[发明专利]基于DNN和频带内互相关系数的单通道语音增强算法

说明书

本发明请求保护一种基于深度神经网络(Deep Neural Network,DNN)和频带内互相关系数的单通道语音增强算法，属于语音信号处理领域。首先，提取带噪语音的能量谱作为DNN的输入特征；接着，将噪声与带噪语音的频带内互相关系数(inter‑channel correlation factor,ICC factor)作为DNN的训练目标；然后，利用DNN模型得到的互相关系数构造凸优化的目标函数；最后，联合DNN和凸优化，利用梯度下降法迭代处理初始掩蔽，通过新的掩蔽合成增强语音。仿真实验表明，在不同背景噪声的低信噪比下，相比其他方法，本发明方法可以有效重构语音频谱成分，提升了语音的整体质量并且可以抑制噪声，具有重要的工程实际意义。

技术领域

本发明涉及语音信号处理领域，具体为一种基于深度神经网络(Deep NeuralNetworks,DNN)和频带内互相关系数的单通道语音增强算法。

背景技术

语音增强在语音信号处理领域一直备受关注。语音增强旨在抑制带噪语音中的噪声成分或构造噪声掩蔽，提升增强语音的听感和整体质量，常用于自动语音识别、助听器、通讯等领域。根据传声器数量的多少，语音增强可以分为单通道语音增强和多通道语音增强。相比多通道语音增强，单通道语音增强只需要一个传声器，具有成本低、易于实现等优点，受到了广泛关注。

根据是否需要语音和噪声的先验信息，单通道语音增强算法可分为有监督和无监督两大类。但是研究表明，传统的无监督增强算法并不能提高语音的可懂度。近年来，单通道语音增强问题主要由基于数据训练的有监督语音增强算法来解决。其中，以基于DNN的算法为代表，在语音增强中的应用更为广泛。基于DNN的有监督语音增强算法，借助DNN的深层非线性结构，擅长处理高维数据，可以充分挖掘语音信号的上下文信息，学习带噪语音和纯净语音之间的非线性关系，在非平稳噪声和低信噪比下显示出明显的优势。

凸优化研究的是定义在凸集上的凸函数(目标函数)最小化问题，该方法已经普及到通信以及信号处理方面的优化问题中。相较于一般的数学最优化问题，凸优化的特殊性在于局部最优值必然是全局最优值。在单通道语音增强中，当带噪语音和噪声的能量谱已知的条件下，计算目标语音的能量谱可看作一个凸优化过程。在单通道语音增强算法中，首先要估计噪声，但由于噪声的不确定性，噪声估计难免产生过估，影响语音的整体质量。为解决噪声过估问题，Bao等在文献(BAO F,ABDULLA W H.Noise masking method based onan effective ratio mask estimation in Gammatone channels[J].Asia-PacificSignal and Information Processing Association Transactions on Signal andInformation Processing,2018,7.)利用gammatone滤波器组的非线性特征，首先计算带噪语音和噪声在各频带内的互相关系数，然后利用凸优化算法迭代处理初始掩蔽，得到语音能量谱的估计值。但该方法还要对语音能量谱做聚类处理，由于聚类方法的准确性要求很高，恢复的增强语音的听感和可懂度可能达不到预期效果。Ge等对初始掩蔽做了改进，在文献(葛宛营,张天骐.基于掩蔽估计与优化的单通道语音增强算法[J].计算机应用,2019,39(10):3065-3070.)提出一种结合改进直接判决(Decision Directed,DD)算法和频带内互相关系数(Inter-channel correlation factor,ICC factor)的掩蔽估计与优化算法。但该算法无法有效抑制噪声，影响了增强语音的整体质量。

鉴于此，本发明提出一种基于DNN和频带内互相关系数的单通道语音增强算法，优化后的算法可以在增加掩蔽中的语音成分的同时，有效提升噪声抑制效果，得到更接近目标语音的增强语音。

发明内容