[發明專利]一種語音增強方法及系統

在審

• 申請號: 202110795988.5
• 申請日: 2021-07-14
• 公開（公告）號: CN113611321A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 王雨田;王童;王暉;趙海博
• 申請（專利權）人: 中國傳媒大學
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L21/0232;G10L25/18;G10L25/30;G10L25/45
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張影

1.一種語音增強方法，其特征在于，包括：

獲取帶噪語音信號；

對所述帶噪語音信號進行小波分解，獲得若干個帶噪子帶；

將每一所述帶噪子帶輸入至語音增強模型，獲得與每一帶噪子帶對應的增強子帶；

將若干個所述增強子帶進行小波合成，獲得增強后的語音信號。

2.根據權利要求1所述的方法，其特征在于，所述對所述帶噪語音信號進行小波分解，獲得若干個帶噪子帶，包括：

對所述帶噪語音信號進行第一級小波分解，獲得第一級近似系數和第一級細節系數；

對所述第一細節系數進行逐級分解，直至獲得第N級近似系數和第N級細節系數，其中，N為正整數表示分解的層級數量；

將所述第N級近似系數和每一級對應的細節系數確定為若干個帶噪子帶。

3.根據權利要求2所述的方法，其特征在于，所述將若干個所述增強子帶進行小波合成，獲得增強后的語音信號，包括：

基于增強子帶對應的第N級近似系數和每一級對應的細節系數進行小波重構，獲得增強后的語音信號。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取訓練樣本，所述訓練樣本包括帶噪語音信號和干凈語音信號；

對所述訓練樣本進行預處理，獲得訓練矩陣；

對所述訓練矩陣進行神經網絡訓練，獲得語音增強模型。

5.根據權利要求4所述的方法，其特征在于，所述對訓練樣本進行預處理，獲得訓練矩陣，包括：

對所述帶噪語音信號進行小波分解，獲得若干個帶噪子帶；

對每一所述帶噪子帶進行分幀和歸一化處理，獲得帶噪矩陣；

對所述干凈語音信號進行小波分解，獲得若干個干凈子帶；

對每一所述干凈子帶進行分幀和歸一化處理，獲得干凈矩陣。

6.根據權利要求5所述的方法，其特征在于，所述對所述訓練矩陣進行神經網絡訓練，獲得語音增強模型，包括：

將所述帶噪矩陣輸入到初始神經網絡模型中，使得所述初始神經網絡模型進行學習，獲得增強矩陣；

基于所述增強矩陣和所述干凈矩陣的比較結果，對所述初始神經網絡模型的參數進行調整，以獲得語音增強模型。

7.一種語音增強系統，其特征在于，包括：

獲取單元，用于獲取帶噪語音信號；

分解單元，用于對所述帶噪語音信號進行小波分解，獲得若干個帶噪子帶；

模型處理單元，用于將每一所述帶噪子帶輸入至語音增強模型，獲得與每一帶噪子帶對應的增強子帶；

合成單元，用于將若干個所述增強子帶進行小波合成，獲得增強后的語音信號。

8.根據權利要求7所述的方法，其特征在于，所述分解單元具體用于：

對所述帶噪語音信號進行第一級小波分解，獲得第一級近似系數和第一級細節系數；

對所述第一細節系數進行逐級分解，直至獲得第N級近似系數和第N級細節系數，其中，N為正整數表示分解的層級數量；

將所述第N級近似系數和每一級對應的細節系數確定為若干個帶噪子帶。

9.根據權利要求7所述的系統，其特征在于，所述系統還包括：

樣本獲取單元，用于獲取訓練樣本，所述訓練樣本包括帶噪語音信號和干凈語音信號；

預處理單元，用于對所述訓練樣本進行預處理，獲得訓練矩陣；

訓練單元，用于對所述訓練矩陣進行神經網絡訓練，獲得語音增強模型。

10.根據權利要求9所述的系統，其特征在于，所述預處理單元具體用于：

對所述帶噪語音信號進行小波分解，獲得若干個帶噪子帶；

對每一所述帶噪子帶進行分幀和歸一化處理，獲得帶噪矩陣；

對所述干凈語音信號進行小波分解，獲得若干個干凈子帶；

對每一所述干凈子帶進行分幀和歸一化處理，獲得干凈矩陣。