[发明专利]基于编解码器架构与递归神经网络的骨导语音盲增强方法

权利要求书

1.一种基于编解码器架构与递归神经网络的骨导语音盲增强方法，其特征在于如下步骤：

数据预处理：提取气导AC和骨导BC语音幅度谱特征，对提取的语音特征数据进行对齐预处理，并在气导语音特征数据上使用稀疏非负矩阵分解计算出气导语音字典；

编码器的预训练：以骨导语音特征作为训练输入，以气导语音字典组合系数作为训练目标，采用非负、稀疏长短时记忆递归神经网络训练编码器模型，并存储训练好的深度神经网络参数，作为下一步骤中编码器的初始化参数；

编解码器的联合训练：构建基于局部注意力机制的解码器模型，以编码器输出作为解码器的输入，以气导语音特征为训练目标，联合训练编解码器模型，并存储模型参数；

语音增强：提取待增强的骨导语音特征，利用上述步骤中训练好的编解码神经网络实现特征转换，再对神经网络的输出进行反归一化和特征逆变换，最终得到增强后的时域语音。

2.根据权利要求1所述的方法，其特征在于提取气导和骨导语音幅度谱特征，并对提取的语音特征进行数据预处理以符合神经网络的输入需求，其中为了缩小提取的幅度谱特征的动态范围，采用对数幅度谱特征：

(1)语音数据是由同一个人同时佩戴AC与BC麦克风设备录制的AC与BC语音对，AC语音表示为A，BC语音表示为B，利用短时傅里叶变换分别将AC与BC语音时域信号y(A)、y(B)分别变换到时频域，具体步骤为：

①对语音时域信号y(A)、y(B)分别进行分帧加窗处理，窗函数为汉明窗，帧长为N，N取为2的整数次幂，帧间移动长度为H；

②对分帧后的语音帧进行K点离散傅里叶变换，获得语音的时频谱Y_A(k,t)、Y_B(k,t)，计算公式如下：

其中，k＝0,1,…,K-1表示离散频率点，K表示离散傅里叶变换时的频率点数，K＝N，t＝0,1,…,T-1表示帧序号，T为分帧的总帧数，h(n)为汉明窗函数；

(2)对频谱Y(k,t)取绝对值，计算得到幅度谱M_A、M_B，计算公式如下：

M(k,t)＝|Y(k,t)|

(3)对幅度谱M(k,t)取以e为底的对数(ln)，得到对数幅度谱L_A、L_B，计算公式如下：

L(k,t)＝lnM(k,t)

(4)采用稀疏非负矩阵分解在纯净气导语音对数幅度谱特征矩阵上计算出气导语音字典D。