[发明专利]一种语音增强方法、装置、设备以及存储介质

权利要求书

1.一种语音增强方法，包括：

对至少两路目标语音进行子带分解处理，得到所述至少两路目标语音的幅度谱和相位谱；其中，所述至少两路目标语音包括：目标混合语音和目标干扰语音；

根据所述至少两路目标语音的幅度谱，确定所述目标混合语音在特征域内存在目标纯净语音的预测概率；

根据所述预测概率、所述至少两路目标语音的幅度谱和相位谱，进行子带合成处理，得到所述目标混合语音中的目标纯净语音；

其中，所述根据所述至少两路目标语音的幅度谱，确定所述目标混合语音在特征域内存在目标纯净语音的预测概率，包括：

将所述至少两路目标语音的幅度谱输入到语音增强模型中，得到所述目标混合语音在特征域内存在目标纯净语音的预测概率；其中，所述语音增强模型包括：卷积神经网络、时间卷积网络、全连接网络和激活网络；其中，所述卷积神经网络用于对输入的各路目标语音信号的幅度谱进行相关性解析，得到纯净语音、噪声和回声的幅度谱间初步的相关性特征，并将所述初步的相关性特征输入时间卷积网络，所述时间卷积网络用于结合时间特征，从初步的相关性特征中抽象出纯净语音、噪声和回声的幅度谱间最终的相关性特征，并将所述最终的相关性特征输入全连接网络。

2.根据权利要求1所述的方法，其中，所述对至少两路目标语音进行子带分解处理，得到所述至少两路目标语音的幅度谱和相位谱，包括：

对至少两路目标语音进行子带分解处理，得到所述至少两路目标语音的虚数信号；

根据所述至少两路目标语音的虚数信号，确定所述至少两路目标语音的幅度谱和相位谱。

3.根据权利要求1或2所述的方法，还包括：

基于对数处理和/或归一化处理，更新所述至少两路目标语音的幅度谱。

4.根据权利要求1所述的方法，其中，所述语音增强模型是基于训练样本通过有监督训练得到，所述训练样本包括：基于麦克风指向性生成的样本纯净语音、样本干扰语音，以及对所述样本纯净语音混入不同类型噪声和/或回声的样本混合语音。

5.根据权利要求1所述的方法，其中，所述根据所述预测概率、所述至少两路目标语音的幅度谱和相位谱，进行子带合成处理，得到所述目标混合语音中的目标纯净语音，包括：

根据所述预测概率和所述目标混合语音的幅度谱，确定目标纯净语音的幅度谱；

对所述目标纯净语音的幅度谱和所述目标混合语音的相位谱进行子带合成处理，得到目标纯净语音。

6.根据权利要求1所述的方法，其中，所述至少两路目标语音还包括：初步对所述目标混合语音进行回声和/或噪声消除后的预处理语音；

根据所述预测概率、所述至少两路目标语音的幅度谱和相位谱，进行子带合成处理，得到所述目标混合语音中的目标纯净语音，包括：

根据所述预测概率、所述预处理语音的幅度谱和相位谱，进行子带合成处理，得到所述目标混合语音中的目标纯净语音。

7.一种语音增强装置，包括：

子带分解模块，用于对至少两路目标语音进行子带分解处理，得到所述至少两路目标语音的幅度谱和相位谱；其中，所述至少两路目标语音包括：目标混合语音和目标干扰语音；

概率预测模块，用于根据所述至少两路目标语音的幅度谱，确定所述目标混合语音在特征域内存在目标纯净语音的预测概率；

子带合成模块，用于根据所述预测概率、所述至少两路目标语音的幅度谱和相位谱，进行子带合成处理，得到所述目标混合语音中的目标纯净语音；

其中，所述概率预测模块，具体用于：

将所述至少两路目标语音的幅度谱输入到语音增强模型中，得到所述目标混合语音在特征域内存在目标纯净语音的预测概率；其中，所述语音增强模型包括：卷积神经网络、时间卷积网络、全连接网络和激活网络；其中，所述卷积神经网络用于对输入的各路目标语音信号的幅度谱进行相关性解析，得到纯净语音、噪声和回声的幅度谱间初步的相关性特征，并将所述初步的相关性特征输入时间卷积网络，所述时间卷积网络用于结合时间特征，从初步的相关性特征中抽象出纯净语音、噪声和回声的幅度谱间最终的相关性特征，并将所述最终的相关性特征输入全连接网络。