[发明专利]基于注意力门控的循环神经网络的单通道语音增强方法

权利要求书

1.基于注意力门控的循环神经网络的单通道语音增强方法，其特征在于：包括以下步骤，

步骤(A)，对带噪的单通道语音进行分帧加窗，提取38维信号特征，包括Bark频率倒谱系数及其衍生参数、基音相关系数的离散余弦变换、基音周期和频谱非平稳性度量参数；

步骤(B)，构建用于单通道语音增强的深度循环神经网络；

步骤(C)，利用纯净语音库和噪声库构建训练数据集；

步骤(D)，利用训练数据的38维信号特征，18维理想频带增益和1维信号活性标志，训练步骤(B)构建的深度循环神经网络；

步骤(E)，将提取的带噪语音特征输入训练好的深度循环神经网络，输出带噪语音的频带增益估计值，并进行平滑、内插得到内插增益；

步骤(F)，将内插增益作用于带噪的单通道语音，得到增强后的语音频谱。

2.根据权利要求1所述的基于注意力门控的循环神经网络的单通道语音增强方法，其特征在于：步骤(A)，提取38维信号特征，具体包括18个Bark频率倒谱系数，前6个Bark频率倒谱系数的一阶时间导数和二阶时间导数，前6个频带间基音相关系数的离散余弦变换，1个基音周期系数以及1个频谱非平稳性度量参数。

3.根据权利要求1所述的基于注意力门控的循环神经网络的单通道语音增强方法，其特征在于：步骤(B)，构建用于单通道语音增强的深度循环神经网络，该深度循环神经网络包含六层，第一层为Dense层，激活函数为tanh，单元数为24；第二到五层为注意力门控LSTM层，激活函数为tanh，单元数分别为24,48,48和96；第六层为Dense层，激活函数为sigmoid，单元数为18， 该网络的第二层输出通过一层的Dense层，得到1维信号活性标志。

4.根据权利要求3所述的基于注意力门控的循环神经网络的单通道语音增强方法，其特征在于：所述深度循环神经网络的前向传播过程如公式(1)至公式(5)所示：

a_t＝σ[V_atanh(W_ac_t-1)] (1)

o_t＝σ(W_o·[h_t-1,x_t]+b_o) (2)

其中，t为帧序号；a_t,o_t,c_t,h_t分别为注意力门、输出门、细胞状态矢量和隐藏矢量，为细胞候补状态矢量，它们是同维度的；x_t为输入矢量；V_a和W_a均为计算注意力门的参数矩阵；W_o,b_o分别为计算输出门的权重矩阵和偏置矢量；W_c,b_c分别为计算候补状态矢量的权重矩阵和偏置矢量；σ为sigmoid函数；为逐元素相乘。

5.根据权利要求1所述的基于注意力门控的循环神经网络的单通道语音增强方法，其特征在于：步骤(C)，利用纯净语音库和噪声库构建训练数据集，具体是将每个样本通过双二阶滤波器，以改变混合信号的幅度，所述双二阶滤波器H(z)的形式如公式(6)所示：

其中，r₁...r₄是在[-3/8,3/8]范围内均匀分布的随机值。