[发明专利]一种基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法

权利要求书

1.一种基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法，其特征在于，所述的基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法包括：

步骤一、对输入的时域信号y(n)，经过加窗、分帧后，对每帧实施短时傅里叶变换并取模得到该帧的幅度谱Y；

步骤二、利用鲁棒非负矩阵分解模块，估计得到稀疏的语音成分和噪声基矩阵W⁽ⁿ⁾；

步骤三、将加权，与含噪语音幅度谱Y和噪声基矩阵W⁽ⁿ⁾一起输入到分块非负矩阵分解模块中，估计出语音分量W^(s)：H^(s)和噪声分量W⁽ⁿ⁾H⁽ⁿ⁾，经过维纳滤波后得到增强语音的估计

步骤四、将鲁棒非负矩阵分解所得到的估计，与来自谱减SS和最小均方误差MMSE的估计，经过几何均值滤波模块融合，得到最终的幅度谱估计；

步骤五、利用所得的幅度谱估计和含噪语音的相位，重构出增强语音的时域信号

W⁽ⁿ⁾和H⁽ⁿ⁾分别表示噪声的字典矩阵和激活系数矩阵，其中(n)指代的是噪声,S表示含噪语音的幅度谱图Y中去除噪声估计W⁽ⁿ⁾H⁽ⁿ⁾后的残留部分,W⁽ⁿ⁾,H⁽ⁿ⁾和S的更新公式如下：

其中，*和％是指元素相乘和相除。

2.如权利要求1所述的基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法，其特征在于，对S初始化的方法为：

首先设置S＝0，然后运行W⁽ⁿ⁾和H⁽ⁿ⁾的迭代公式若干次,从而得到W⁽ⁿ⁾和H⁽ⁿ⁾的初始粗略估计，再通过对Y和W⁽ⁿ⁾H⁽ⁿ⁾对应元素的比值施加阈值η，

S＝(Y％(W⁽ⁿ⁾H⁽ⁿ⁾)≥η)，

来决定每个时频点取0或1，阈值η的取值大于1；

所述的阈值η取值为2。