[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

说明书

本发明公开了一种基于注意力门控的循环神经网络的单通道语音增强方法，包括对带噪的单通道语音进行分帧加窗，提取38维信号特征；构建用于单通道语音增强的深度循环神经网络；利用纯净语音库和噪声库构建训练数据集；训练构建的深度循环神经网络；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；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。本发明能够有效抑制包括非平稳噪声在内的噪声，同时保持足够低的计算复杂度，从而能够用于实时的单通道语音增强，方法巧妙，构思新颖，具有良好的应用前景。

技术领域

本发明涉及语音增强技术领域，具体涉及一种基于注意力门控的循环神经网络的单通道语音增强方法。

背景技术

语音增强作为语音信号处理的一个分支，在语音通信、助听设备、自动语音识别(ASR)系统前端等领域具有重要的应用。语音增强一般分为单通道语音增强和多通道语音增强。单通道语音增强由于不存在麦克风阵列的空间信息，实现起来相对更加困难。

早期提出的一些无监督的单通道语音增强算法，比如谱减法、维纳滤波法、基于最小均方误差(MMSE)的幅度谱估计或对数域的谱估计方法，由于噪声平稳性的假设，无法有效抑制非平稳噪声。随后，基于隐马尔可夫模型(HMM)、非负矩阵分解(NMF)和深度学习的有监督的单通道语音增强算法被提出，其中深度学习的应用使语音增强领域取得了突破性的进展。神经网络凭借强大的拟合能力，能够从带噪语音的特征中学习纯净目标语音的表示，而不需要噪声平稳性的假设。

但是，目前提出的语音增强方法一般对非平稳噪声的抑制效果欠佳，而且，基于深度学习的语音增强方法往往由于其高计算复杂度而无法应用于实时语音增强中，如何解决以上问题，是当前亟需解决的。

发明内容

本发明的目的是解决现有语音增强方法对非平稳噪声的抑制效果欠佳，以及基于深度学习的语音增强方法由于高计算复杂度而无法满足实时要求的问题。本发明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，能够有效抑制包括非平稳噪声在内的噪声，同时保持足够低的计算复杂度，从而能够用于实时的单通道语音增强，方法巧妙，构思新颖，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种基于注意力门控的循环神经网络的单通道语音增强方法，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。

前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，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。