[發明專利]一種基于深度壓縮感知的語音去噪方法及設備

在審

• 申請號: 202211439345.8
• 申請日: 2022-11-17
• 公開（公告）號: CN115762549A
• 公開（公告）日: 2023-03-07
• 發明（設計）人: 李嘉成;暢江
• 申請（專利權）人: 山西大學
• 主分類號: G10L21/0208
• 分類號: G10L21/0208;G10L25/78
• 代理公司: 山西五維專利事務所(有限公司) 14105
• 代理人: 茹牡花

1.一種基于深度壓縮感知的語音去噪方法，其特征在于，包括以下步驟：

信號預處理：對純凈語音信號X加入高斯白噪聲，得到帶噪語音信號，對純凈語音信號X和帶噪語音信號進行時長規整和分幀處理，之后對純凈語音信號X進行端點檢測處理；

信號壓縮：采用壓縮感知方法，對預處理后的純凈語音信號X和帶噪語音信號進行感知特征提取，得到純凈語音的感知特征Y₁和帶噪語音的感知特征Y₂；

模型訓練：采用深度學習模型的生成對抗網絡作為去噪模型，將帶噪語音的感知特征Y₂作為生成對抗網絡的輸入，純凈語音的感知特征Y₁作為目標函數，訓練生成對抗網絡，經過反復迭代和多次訓練，得到生成純凈語音的感知特征Y′；

信號重構：采用壓縮感知的OMP重構算法，對生成純凈語音的感知特征Y′進行信號重構，得到生成純凈語音信號X′，

其中，所述信號重構過程中，先將生成純凈語音的感知特征Y′進行分幀處理，按每幀進行重構信號，然后對重構的每幀信號進行拼接，得到生成純凈語音信號X′。

2.根據權利要求1所述的一種基于深度壓縮感知的語音去噪方法，其特征在于，所述語音時長規整包括以下步驟：

將純凈語音信號X和帶噪語音信號的長度設置為信號幀長的整數倍。

3.根據權利要求1所述的一種基于深度壓縮感知的語音去噪方法，其特征在于，所述端點檢測包括以下步驟：

采用短時能量和過零率的雙門限兩級判別方法對純凈語音信號X進行端點檢測，對純凈語音信號X的有語音段和無語音段進行區分。

4.根據權利要求1所述的一種基于深度壓縮感知的語音去噪方法，其特征在于，所述感知特征提取包括以下步驟：

將N×1維的純凈語音信號X在M×N維的隨機高斯矩陣Φ上進行感知測量，使Y₁＝ΦX，得到M×1維的純凈語音的感知特征Y₁，且純凈語音的感知特征Y₁的維數M小于純凈語音信號X的維數N，

帶噪語音信號感知特征提取選用高斯隨機矩陣與純凈語音信號X感知特征提取所用高斯矩陣Φ相同，且帶噪語音信號的維數與純凈語音信號X的維數N相同，帶噪語音信號通過感知特征提取，得到帶噪語音的感知特征Y₂。

5.根據權利要求4所述的一種基于深度壓縮感知的語音去噪方法，其特征在于，所述感知特征提取還包括以下步驟：

先對純凈語音信號X和帶噪語音信號的每幀信號進行感知特征提取，再將每幀感知特征進行拼接，最終得到純凈語音信號的感知特征Y₁和帶噪語音信號的感知特征Y₂。

6.根據權利要求1所述的一種基于深度壓縮感知的語音去噪方法，其特征在于，所述生成對抗網絡包括生成網絡G和鑒別網絡D，生成網絡G用于對帶噪語音的感知特征Y₂進行去噪，得到生成純凈語音的感知特征Y′，鑒別網絡D用于鑒別生成純凈語音信號X′是否與純凈語音信號X一致。

7.根據權利要求6所述的一種基于深度壓縮感知的語音去噪方法，其特征在于，所述訓練生成對抗網絡包括以下步驟：

將帶噪語音的感知特征Y₂輸入生成網絡G，純凈語音的感知特征Y₁作為目標函數，輸出為生成純凈語音的感知特征Y′，對生成純凈語音的感知特征Y′采用壓縮感知的OMP算法重構，得到生成純凈語音信號X′，提取純凈語音信號X和生成純凈語音X′的無語音段，將純凈語音X的無語音段作為鑒別網絡D的真實數據，鑒別網絡D鑒別生成純凈語音信號X′的無語音段，經過反復迭代和不斷訓練，直到鑒別網絡D達到納什均衡，通過生成網絡G生成純凈語音的感知特征Y′；建立帶噪語音的感知特征Y₁與純凈語音的感知特征Y₂的映射關系。