[发明专利]一种基于RefineNet和评价损失的语音增强方法

权利要求书

1.一种基于RefineNet和评价损失的语音增强方法，其特征在于，包括以下步骤：

S1：通过短时傅里叶变换(STFT)从时域带噪声的语音s计算出幅度x和相位p；

S2：通过ResNet从x提取多级时频特征，提取出的多级时频特征由RefineNet融合，并且使用x和RefineNet的输出之间的残差连接来促进模型训练；

S3：将特征图输入全连接层以估计干净语音的频谱幅度

S4：通过逆STFT(ISTFT)将p和重构成时域干净语音的估计其中，通过卷积层实现ISTFT，并且将语音质量和可懂度的多个性能指标融合作为损失函数。

2.根据权利要求1所述的语音增强方法，其特征在于：所述ResNet由25个卷积层组成，分为InputConv块和4个ResBlock，每个ResBlock包括2个瓶颈构建块和1个剩余连接；其中，输入特征图大小为512*512。

3.根据权利要求1所述的语音增强方法，其特征在于：所述RefineNet包含RefineBlock，所述RefineBlock由多分辨率融合(MRF)子块和链式残差池(CRP)子块组成。

4.根据权利要求3所述的语音增强方法，其特征在于：所述多分辨率融合(MRF)子块中，1×1卷积层和双线性插值上采样层将输入特征映射重塑为相同的形状，并通过求和将特征图融合为一个。

5.根据权利要求3所述的语音增强方法，其特征在于：所述链式残差池(CRP)子块包含一系列1×1卷积层和5×5最大池层以及残差连接，并从特征图中获得背景上下文信息。

6.根据权利要求1所述的语音增强方法，其特征在于，步骤S4中，采用原始语音的MSE作为损失，损失定义为：

其中，表示干净的原始语音，E_stoi和E_sdr表示STOI和SDR计算函数，α、β和γ是权重因子，N是原始语音的总数。