[发明专利]一种语音识别系统中基于多个卷积神经网络的语音增强算法

摘要

本发明涉及一种基于CNN的噪声识别以及一种结合CNN与平稳快速递归最小二乘法（SFTRLS）的语音增强模型‑‑SFTRLS‑CNN。首先提取带噪音频段中噪声的MFCC等648维特征，进入训练好的第一种卷积神经网络中来识别出噪声的环境类型。然后将提取的音频特征、信噪比和噪声类型值组成658维度特征，采用第二种卷积神经网络来自适应地匹配到SFTRLS算法进行语音增强的最佳遗忘因子。最后通过平稳快速递归最小二乘法实现在各个环境下的降噪处理。该算法让增强模型适用于不同的噪声环境，提高了自适应能力。相比传统的SFTRLS，语音质量评价指标值也更佳。

主权项

1.对语音识别系统中的语音输入信号进行数据预处理，即归一化、预加重、分帧加窗。

2.通过语音端点检测来提取出噪声段，对噪声段分别计算出包括MFCC、F0、过零率等648维度特征，并计算出语音环境中的信噪比。

3.构造噪声识别的卷积神经网络模型，该模型具有结构简单，包含两个卷积层、两个池化层以及两个全连接层，参数少，计算速度较快。

4.利用训练好的第一种卷积神经网络模型对步骤2中提取出来的648维特征进行识别预测，网络的输出表示当前噪声信号的种类C。

5.利用5个卷积层、3个池化层、3个BN层以及3个全连接层构造一个深度卷积神经网络。

6.将步骤2中计算的特征、信噪比和步骤三计算的噪声信号种类C组成一个648维度的矢量，输入到步骤4中建立的卷积神经网络中，由于该网络已经通过线上大量的学习训练，经过输入可最终输出平稳快速递归最小二乘法在该噪声环境下处理的最佳遗忘因子。

7.将步骤5自动匹配的最佳遗忘因子输入到平稳快速递归最小二乘法中，完成语音增强处理从而得到干净音频。