[发明专利]用于增强语音的方法和装置

权利要求书

1.一种用于增强语音的方法，包括：

获取麦克风阵列采集的多个通道的时域语音；

基于所述多个通道的时域语音，生成至少一个通道的频域语音；

对所述至少一个通道的频域语音进行分析，得到所述至少一个通道的频域语音的归一化增强系数；

利用所述至少一个通道的频域语音的归一化增强系数对所述至少一个通道的频域语音进行增强处理，得到至少一个通道的增强频域语音；

对所述至少一个通道的增强频域语音进行逆傅立叶变换，得到至少一个通道的增强时域语音；

其中，所述对所述至少一个通道的频域语音进行分析，得到所述至少一个通道的频域语音的归一化增强系数，包括：

对所述至少一个通道的频域语音进行掩蔽阈值估计，得到所述至少一个通道的频域语音的掩蔽阈值；

对所述至少一个通道的频域语音的掩蔽阈值进行分析，生成所述至少一个通道的频域语音中的信号和噪声的功率谱密度矩阵；

利用所述至少一个通道的频域语音中的信号和噪声的功率谱密度矩阵极小化与所述多个通道的时域语音对应的输出语音的信噪比，得到所述至少一个通道的频域语音的增强系数；

对所述至少一个通道的频域语音的增强系数进行归一化处理，得到所述至少一个通道的频域语音的归一化增强系数。

2.根据权利要求1所述的方法，其中，所述基于所述多个通道的时域语音，生成至少一个通道的频域语音，包括：

对所述多个通道的时域语音进行滤波，得到至少一个通道的时域语音；

对所述至少一个通道的时域语音进行傅立叶变换，得到至少一个通道的频域语音。

3.根据权利要求2所述的方法，其中，所述对所述多个通道的时域语音进行滤波，得到至少一个通道的时域语音，包括：

计算所述多个通道中的通道与其他通道之间的距离之和；

基于所计算出的和对所述多个通道的时域语音进行滤波，得到至少一个通道的时域语音。

4.根据权利要求2所述的方法，其中，所述对所述至少一个通道的时域语音进行傅立叶变换，得到至少一个通道的频域语音，包括：

对于所述至少一个通道的时域语音中的每个通道的时域语音，对该通道的时域语音进行加窗分帧处理，得到该通道的时域语音的多帧时域语音段，对该通道的时域语音的多帧时域语音段进行短时傅立叶变换，得到至少一个通道的频域语音。

5.根据权利要求1所述的方法，其中，所述对所述至少一个通道的频域语音进行掩蔽阈值估计，得到所述至少一个通道的频域语音的掩蔽阈值，包括：

将所述至少一个通道的频域语音依次输入至预先训练的掩蔽阈值预估模型，得到所述至少一个通道的频域语音的掩蔽阈值，其中，所述掩蔽阈值预估模型用于预估频域语音的掩蔽阈值。

6.根据权利要求5所述的方法，其中，所述掩蔽阈值预估模型包括两个一维卷积层、两个门控循环单元和一个全连接层。

7.根据权利要求5或6所述的方法，其中，所述掩蔽阈值预估模型是通过如下步骤训练得到的：

获取训练样本集合，其中，训练样本包括样本频域语音和所述样本频域语音的掩蔽阈值；

将所述训练样本集合中的样本频域语音作为输入，将输入的样本频域语音的掩蔽阈值作为输出，训练得到所述掩蔽阈值预估模型。