[发明专利]基于DNN的说话人无关单通道录音分离的方法和系统

权利要求书

1.基于DNN的说话人无关单通道录音分离的方法，其特征在于：具体步骤为：

S1:从数据库中提取录音数据，得到训练集和测试集；

S2:对训练集进行单通道说话人混合特征提取；

S3:通过录音对数功率谱特征训练聚类模型对说话人混合特征类聚，将男性和女性声音分为四个子类，提取特征；

S4:将提取的特征送入说话人DNN检测器，检测判断选择对应的DNN分离器；

S5:DNN分离器基于说话人相关的方式进行单通道录音分离训练，实现话者分离，得到目标信号的特征向量，DNN分离器输出目标语音的对数功率谱特征；

S6:对DNN分离器输出目标语音的对数功率谱特征进行波形重建，产生可测听的语音信号。

S7：测试集对产生的可测听的语音信号结果进行测试。

2.根据权利要求1所述的基于DNN的说话人无关单通道录音分离的方法，其特征在于：所述单通道说话人混合特征包含男女混合，男男混合以及女女混合三种情况。

3.根据权利要求1所述的基于DNN的说话人无关单通道录音分离的方法，其特征在于：所述类聚的具体流程为：提取说话人的i-vector,计算欧式距离矩阵，多维尺度分析，K-means聚类。

4.根据权利要求1所述的基于DNN的说话人无关单通道录音分离的方法，其特征在于：DNN检测器的目标函数公式为：

其中是目标的对数功率谱特征，表示第t帧估测的说话人集合的对数功率谱，T是迭代参数调优的训练样本的数量。

5.根据权利要求1所述的基于DNN的说话人无关单通道录音分离的方法，其特征在于：所述DNN检测器用于检测判断混合录音是男男混合、男女混合和女女混合的哪种混合，DNN检测器采用的判别式如下：

其中和表示RDNN检测器输出说话人在时域变换下的总能量。通过能量的极值来判定录音混合情况。

6.根据权利要求1所述的基于DNN的说话人无关单通道录音分离的方法，其特征在于：所述DNN分离器包括M-M DNN分离器、F-F DNN分离器和M-F DNN分离器。

7.根据权利要求1或6所述的基于DNN的说话人无关单通道录音分离的方法，其特征在于：DNN分离器使用的目标函数公式为：

8.基于DNN的说话人无关单通道录音分离系统，其特征在于，包括：

数据提取单元，配置用于对数据库录音数据进行单通道的说话人特征的提取；

类聚单元，配置用于通过录音聚类算法对说话人类聚；

检测单元，配置用于输出进行性别检测

分离单元，配置用于单通道录音分离训练，实现话者分离；

输出单元，配置用于将分离结果输出；

测试单元，配置用于用于对语音信号结果进行测试。

9.一种设备，其特征在于：所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1-7任一所述的基于DNN的说话人无关单通道录音分离的方法。

10.一种存储有计算机程序的计算机可读存储介质，其特征在于：该程序被处理器执行时实现本发明如权利要求1-7任一所述的基于DNN的说话人无关单通道录音分离的方法。