[发明专利]单通道增强语音的处理方法、装置及可读存储介质

权利要求书

1.一种单通道增强语音的处理方法，其特征在于，所述单通道增强语音的处理方法包括：

获取带有噪声的语音信号，并对所述带有噪声的语音信号进行分帧处理；

根据短时离散余弦变换STDCT对分帧后的带有噪声的语音信号进行提取，得到第一特征；

输入所述第一特征至训练模型中以得到目标模型，所述训练模型包括卷积神经网络CNN、长短时记忆网络LSTM和深度神经网络DNN；

获取待处理语音信号，并对所述待处理语音信号进行分帧处理；

根据短时离散余弦变换STDCT对分帧后的待处理语音信号进行提取，得到第二特征；

输入所述第二特征至所述目标模型中以得到增强后的目标语音信号；

其中，根据第一估计纯净语音信号训练所述训练模型以得到所述目标模型，包括：根据干净语音信号和所述第一估计纯净语音信号计算所述训练模型的损失函数；根据所述损失函数，调整所述训练模型参数以得到目标模型；

所述根据干净语音信号和所述第一估计纯净语音信号计算所述训练模型的损失函数，包括：对所述第一估计纯净语音信号进行逆短时离散余弦变换ISTDCT得到时域上的第一估计纯净语音信号；根据所述时域上的第一估计纯净语音信号和所述干净语音信号计算所述损失函数；

其中，所述根据所述时域上的第一估计纯净语音信号和所述干净语音信号计算所述损失函数，包括：

其中，s表示干净语音信号，表示所述时域上的第一估计纯净语音信号，,表示向量的点乘，表示欧几里得范数，SI-SNR表示损失函数。

2.根据权利要求1所述的单通道增强语音的处理方法，其特征在于，根据短时离散余弦变换STDCT对分帧后的带有噪声的语音信号进行提取，得到第一特征，包括：

其中，F(μ)表示所述短时离散余弦变换STDCT；f(x)表示所述带有噪声的语音信号的时域向量，N表示所述带有噪声的语音信号的时域向量的长度；并且，

c(μ)表示所述短时离散余弦变换STDCT的参数。

3.根据权利要求1所述的单通道增强语音的处理方法，其特征在于，所述输入所述第一特征至训练模型中以得到目标模型，包括：

将所述第一特征作为输入信号输入至所述训练模型中以得到第一估计掩蔽值；

根据所述第一特征和所述第一估计掩蔽值计算得到第一估计纯净语音信号；

根据所述第一估计纯净语音信号训练所述训练模型以得到所述目标模型。

4.根据权利要求1所述的单通道增强语音的处理方法，其特征在于，所述根据所述损失函数，调整所述训练模型参数以得到目标模型，包括：

当所述损失函数收敛后，确定所述训练模型的参数；

根据确定参数后的训练模型得到所述目标模型。

5.根据权利要求1所述的单通道增强语音的处理方法，其特征在于，所述对所述第一估计纯净语音信号进行逆短时离散余弦变换ISTDCT得到时域上的第一估计纯净语音信号，包括：

其中，F(μ)表示所述短时离散余弦变换STDCT；f(x)表示所述带有噪声的语音信号的时域向量，N表示所述带有噪声的语音信号的时域向量的长度；并且，

c(μ)表示所述短时离散余弦变换STDCT的参数。

6.根据权利要求1所述的单通道增强语音的处理方法，其特征在于，所述输入所述第二特征至所述目标模型中以得到增强后的目标语音信号，包括：

将所述第二特征作为输入信号输入至所述目标模型中以得到第二估计掩蔽值；

根据所述第二特征和所述第二估计掩蔽值计算得到第二估计纯净语音信号；

对所述第二估计纯净语音信号进行反向短时离散余弦变换ISTDCT得到时域上的第二估计纯净语音信号，所述第二估计纯净语音信号为所述目标语音信号。

7.根据权利要求1所述的单通道增强语音的处理方法，其特征在于，所述带有噪声的语音信号包括环境噪声信号和干净语音信号。