[发明专利]一种语音端点检测模型的训练方法及语音降噪方法

说明书

本发明公开了一种语音端点检测模型的训练方法及语音降噪方法，训练方法包括以下步骤：对纯净语音信号进行预处理和端点检测，以得到语音帧和静音帧的真实标签值；加入噪声信号，得到带噪语音信号；提取带噪语音信号的特征值；隐层依据特征值对带噪语音信号进行分类，以得到语音帧和纯噪声帧的估计标签值；对估计标签值与真实标签值进行损失函数计算，根据计算结果以优化语音端点检测模型的模型参数。本发明提供的语音端点检测模型的训练方法及语音降噪方法融合了深度学习思想，构建循环神经网络模型，基于数据驱动，计算算法中需要的估计参数值，得到更准确的噪声统计分布规律，进而达到较为理想的降噪效果。

技术领域

本发明涉及语音降噪技术领域，特别涉及一种语音端点检测模型的训练方法及语音降噪方法。

背景技术

随着汽车智能化程度的快速发展，语音识别及操控系统逐渐成为汽车标配。行车场景中不同工况的噪声，包括路噪、胎噪、发动机噪声、风噪、空调噪声等，这些噪声能量高，频率范围与语音的频率范围重叠度高，对语音的掩蔽效应强烈，严重影响语音识别系统的识别能力。语音端点检测是语音识别过程中的一个必要环节，对信号中语音部分起始点的准确检测与判断，可以大幅度提升语音识别系统的识别率。传统检测方法中对人工声学特征的提取难以描述行车场景中的带噪语音，影响车载语音系统中语音信号的端点检测能力。

在dsp芯片上进行语音降噪时，采用的都是信号处理的方法，保证算法的复杂度和实时性，比如谱减算法，基于加性噪声场景，利用对噪声的频谱估计，在经验意义上对语音做降噪处理。这种降噪方式算法流程简单、原理易懂，但从数学推导角度却不够严格和完备。不具有理论上的最优性能。而对于维纳滤波算法，基于最优均方误差准则进行带噪语音信号的降噪处理，可证明性能更优且易于处理。

维纳滤波算法的思想是设计一个降噪系统，使得输出的降噪语音信号尽可能逼近期望的纯净语音信号，通过最小化系统输出信号与期望信号之间的误差，使降噪性能达到最优。但算法要对参数进行统计估计，目前对先验信噪比的估计方法不理想，实际的应用环境中的端点检测的精度难以提升，且基于信号帧的更新算法鲁棒性不足。基于信号处理的降噪算法中的参数估计问题影响算法的降噪性能，因无法获取实际场景中噪声的统计分布规律，现有技术中都是基于经验给出估计值，因此降噪效果也就完全依赖于对应参数估计值的准确性。

发明内容

为了克服现有技术存在的不足，本发明提供了一种语音端点检测模型的训练方法及语音降噪方法，所述技术方案如下：

一方面，本发明提供了一种语音端点检测模型的训练方法，所述语音端点检测模型基于神经网络模型，其用于对带噪语音进行端点检测，所述语音端点检测模型包括输入层、多个隐层以及输出层，至少有一个隐层包括GRU层和/或LSTM层；

所述训练方法包括以下步骤：

S1、对纯净语音信号进行预处理和端点检测，以得到语音帧和静音帧的真实标签值；

S2、在带有标签值的纯净语音信号中加入噪声信号，得到带噪语音信号，其包含对应纯净语音信号端点检测后的真实标签值；

S3、提取所述带噪语音信号的fbank特征、MFCC特征、谱熵特征、倒谱距离特征、PLP特征中的一种或多种，以得到所述语音端点检测模型输入的特征值；

S4、将所述特征值输入至所述输入层，所述隐层依据所述特征值对所述带噪语音信号进行分类，以得到语音帧和纯噪声帧的估计标签值，并通过所述输出层进行输出；

S5、对所述估计标签值与所述真实标签值进行损失函数计算，根据计算结果以优化所述语音端点检测模型的模型参数。

进一步地，所述隐层包括第一隐层、第二隐层和第三隐层，所述第一隐层包括全连接层和tanh激活函数层，所述第二隐层包括ReLU激活函数层，第三隐层包括全连接层和sigmoid激活函数层，