[发明专利]一种基于联合字典学习和稀疏表示的单通道语音增强方法

说明书

本发明提供一种基于联合字典学习和稀疏表示的单通道语音增强方法，对干净语音做双树复数小波变换得到一组子带信号，对子带信号做短时傅里叶变换得到其时频谱，利用其幅度、实部和虚部以及语音稀疏性学习出干净语音的联合字典，同样学习出干净噪声的联合字典；对带噪语音做双树复数小波变换和短时傅里叶变换，获得每个子带信号时频谱，保留相位和实部虚部符号，提取幅度、实部和虚部绝对值并分别在干净语音和干净噪声联合字典上投影，得到语音和噪声的稀疏表示系数，利用该系数、时频谱相位和实部虚部符号以及掩码、权值等，得到该子带语音时频谱的最终估计，做短时傅里叶逆变换和双树复数小波逆变换，得到增强后的语音信号，提高了语音增强能力。

技术领域

本发明涉及单通道语音增强领域，尤其涉及一种基于联合字典学习和稀疏表示的单通道语音增强方法。

背景技术

在人们的交流活动中，语音发挥着主导作用。由于受到形形色色噪声的污染，人耳和相关智能装置收到的是带噪语音，语音的质量和可懂度会有明显的下降，影响了人们的主观听觉感受和智能装置的语音识别率。语音增强技术就是解决这类问题的主要方法。如何从带噪语音中恢复出干净语音一直都是信号处理领域的热点问题。近年来研究者相继提出了一些基于字典学习和稀疏表示的单通道语音增强算法，这些算法利用语音信号在时频域上的稀疏特性，通过学习训练数据样本的结构特征并构造相应的字典，将带噪语音在字典上投影，进而估计出干净语音。但大多数算法只利用了语音时频谱的幅度信息，很少利用相位信息，因而语音增强的性能也就受到了限制。

发明内容

本发明的目的是提供一种基于联合字典学习和稀疏表示的单通道语音增强方法，将双树复数小波变换应用于干净语音信号得到一组子带信号，对每个子带信号进行短时傅里叶变换得到其时频谱，充分利用时频谱幅度、实部和虚部以及语音的稀疏性学习训练语音样本的结构特征，构造出干净语音的联合字典，采用同样思路构造出干净噪声的联合字典；针对带噪语音信号，同样采用双树复数小波变换和短时傅里叶变换，获得每个子带信号时频谱，保留相位和实部虚部符号，提取幅度、实部和虚部绝对值并分别在干净语音联合字典和干净噪声联合字典上进行投影，得到语音和噪声的稀疏表示系数，利用稀疏表示系数、保留的时频谱相位和实部虚部符号以及掩码、权值等进行一系列运算，得到该子带语音时频谱的最终估计，然后进行短时傅里叶逆变换和双树复数小波逆变换，得到增强后的语音信号，提高了语音增强能力。

本发明的目的是通过以下技术方案实现的：一种基于联合字典学习和稀疏表示的单通道语音增强方法，包括：

训练阶段，构建干净语音和干净噪声的训练数据集；针对干净语音训练数据集，用双树复数小波变换(DTCWT)将语音信号分解为一组子带信号，对每个子带信号进行短时傅里叶变换(STFT)，获得时频谱，提取相应的幅度、实部和虚部绝对值，采用LARC算法和K-SVD算法学习训练数据样本的结构特征，获得干净语音每个子带的幅度、实部和虚部的联合字典；针对干净噪声训练数据集，采用同样思路获得干净噪声每个子带的幅度、实部和虚部的联合字典；

检测阶段，针对带噪语音信号，用双树复数小波变换(DTCWT)将语音信号分解为一组子带信号，对每个子带信号进行短时傅里叶变换(STFT)，获得时频谱，提取相应的幅度、实部和虚部绝对值，保留相位信息以及实部、虚部符号，并分别在干净语音联合字典和干净噪声联合字典上进行投影，得到语音和噪声的稀疏表示系数，利用稀疏表示系数、保留的时频谱相位和实部虚部符号以及掩码等进行一系列运算，得到该子带语音时频谱的初始估计和更新估计，进一步通过加权得到最终估计，然后进行短时傅里叶逆变换(ISTFT)和双树复数小波逆变换(IDTCWT)，得到增强后的语音信号。

本发明与现有技术相比的优点在于：