[发明专利]基于神经网络的语音增强方法、装置及电子设备

权利要求书

1.一种基于神经网络的语音增强方法，其特征在于，包括：

将原始语音信号进行时频变换得到所述原始语音信号的原始幅度谱；

利用时间维卷积核对所述原始幅度谱进行特征提取，得到时域平滑特征图；

利用频率维卷积核对所述原始幅度谱进行特征提取，得到频域平滑特征图；

对所述原始幅度谱、所述时域平滑特征图和所述频域平滑特征图进行组合特征提取，得到所述原始语音信号的增强幅度谱；

对所述增强幅度谱进行时频逆变换得到增强语音信号。

2.根据权利要求1所述的语音增强方法，其特征在于，所述利用时间维卷积核对所述原始幅度谱进行特征提取，得到时域平滑特征图，包括：

根据卷积滑窗和时域平滑因子确定时域平滑参数矩阵；

对所述时域平滑参数矩阵作乘积运算得到所述时间维卷积核的权重矩阵；

对所述时间维卷积核的权重矩阵和所述原始幅度谱作卷积运算，得到所述时域平滑特征图。

3.根据权利要求1所述的语音增强方法，其特征在于，所述利用频率维卷积核对所述原始幅度谱进行特征提取，得到频域平滑特征图，包括：

根据卷积滑窗和频域平滑因子确定频域平滑参数矩阵；

对所述频域平滑参数矩阵作乘积运算得到所述频率维卷积核的权重矩阵；

对所述频率维卷积核的权重矩阵和所述原始幅度谱的转置矩阵作卷积运算，得到所述频域平滑特征图。

4.根据权利要求1所述的语音增强方法，其特征在于，所述对所述原始幅度谱、所述时域平滑特征图和所述频域平滑特征图进行组合特征提取，得到所述原始语音信号的增强幅度谱，包括：

合并所述原始语音信号的原始幅度谱、所述时域平滑特征图和所述频域平滑特征图，得到待增强语音信号；

以所述待增强语音信号为深度神经网络的输入，利用反向传播算法对所述时间维卷积核的权重矩阵和所述频率维卷积核的权重矩阵进行训练；

根据训练得到的权重矩阵对所述待增强语音信号进行组合特征提取，得到所述原始语音信号的增强幅度谱。

5.根据权利要求1所述的语音增强方法，其特征在于，所述将原始语音信号进行时频变换得到所述原始语音信号的原始幅度谱，包括：

对所述原始语音信号进行加窗分帧处理，得到分帧后的语音信号；

对每帧语音信号作离散傅里叶变换，并对变换后的语音信号作取模运算得到所述原始语音信号的原始幅度谱。

6.根据权利要求5所述的语音增强方法，其特征在于，所述对所述增强幅度谱进行时频逆变换得到增强语音信号，包括：

对所述变换后的语音信号作取相位角运算得到所述原始语音信号的原始相位谱；

对所述原始语音信号的增强幅度谱和所述原始相位谱作时频逆变换，得到所述增强语音信号。

7.根据权利要求1所述的语音增强方法，其特征在于，所述原始语音信号的原始幅度谱服从复数域二维高斯分布。

8.一种基于神经网络的语音增强装置，其特征在于，包括：

信号变换模块，用于将原始语音信号进行时频变换得到所述原始语音信号的原始幅度谱；

时域平滑特征提取模块，用于利用时间维卷积核对所述原始幅度谱进行特征提取，得到时域平滑特征图；

频域平滑特征提取模块，用于利用频率维卷积核对所述原始幅度谱进行特征提取，得到频域平滑特征图；

组合特征提取模块，用于对所述原始幅度谱、所述时域平滑特征图和所述频域平滑特征图进行组合特征提取，得到所述原始语音信号的增强幅度谱；

信号逆变换模块，用于对所述增强幅度谱进行时频逆变换得到增强语音信号。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的方法。