[发明专利]用于增强语音的方法和装置

说明书

本申请实施例公开了用于增强语音的方法和装置。该方法的一具体实施方式包括：获取麦克风阵列采集的多个通道的时域语音；基于多个通道的时域语音，生成至少一个通道的频域语音；对至少一个通道的频域语音进行分析，得到至少一个通道的频域语音的归一化增强系数；利用至少一个通道的频域语音的归一化增强系数对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。该实施方式实现了富于针对性地语音增强，有助于消除语音中的噪声和室内混响，提高语音识别的准确度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于增强语音的方法和装置。

背景技术

随着现代科学的蓬勃发展，通信或信息交换已成为人类社会存在的必要条件，而语音作为语言的声学表现，是人类交流信息最自然、最有效、最方便的手段之一。

然而，在语音通信过程中，不可避免地会受到来自周围环境、传媒介质引入的噪声、室内混响、乃至其他讲话者的干扰。这些噪声会使语音的质量和可懂度受到影响，因此在许多通话应用中都需要进行有效的语音增强处理，以抑制噪声，去除室内混响，提高语音清晰度、可懂度和舒适度。

目前常用的语音增强方法是基于延迟-加和(delay-sum)的语音增强方法。利用多个麦克风接收语音信号，采用延迟-加和方法进行时延补偿，形成具有指向性的空间波束，对指定方向上的语音进行增强。

发明内容

本申请实施例提出了用于增强语音的方法和装置。

第一方面，本申请实施例提供了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；基于多个通道的时域语音，生成至少一个通道的频域语音；对至少一个通道的频域语音进行分析，得到至少一个通道的频域语音的归一化增强系数；利用至少一个通道的频域语音的归一化增强系数对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。

在一些实施例中，基于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。

在一些实施例中，对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。

在一些实施例中，对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。

在一些实施例中，对至少一个通道的频域语音进行分析，得到至少一个通道的频域语音的归一化增强系数，包括：对至少一个通道的频域语音进行掩蔽阈值估计，得到至少一个通道的频域语音的掩蔽阈值；对至少一个通道的频域语音的掩蔽阈值进行分析，生成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多个通道的时域语音对应的输出语音的信噪比，得到至少一个通道的频域语音的增强系数；对至少一个通道的频域语音的增强系数进行归一化处理，得到至少一个通道的频域语音的归一化增强系数。

在一些实施例中，对至少一个通道的频域语音进行掩蔽阈值估计，得到至少一个通道的频域语音的掩蔽阈值，包括：将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，得到至少一个通道的频域语音的掩蔽阈值，其中，掩蔽阈值预估模型用于预估频域语音的掩蔽阈值。

在一些实施例中，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。