[发明专利]一种基于深度压缩感知的语音增强方法

权利要求书

1.一种基于深度压缩感知的语音增强方法，其特征在于，包括以下步骤：

步骤1：预处理训练数据：对训练数据进行预加重，配对以及分帧处理，获取时域语音信号序列；

步骤2：构建模型并训练：构建基于深度压缩感知的语音增强模型SEDCS，设定合适的误差函数，将处理后的训练集语音信号输入模型进行联合训练，将训练完成的SEDCS模型部署到服务器中；

步骤3：测试模型：将带噪语音测试集进行预处理，利用训练完成的SEDCS模型对其去噪，并重构获得去噪后语音信号，完成语音增强任务；

步骤4：评估模型：采用多种评价指标对增强后语音信号的质量与可懂度进行评估；

所述步骤2的SEDCS模型由两个基于卷积神经网络的模型构建，分别是生成模型G_θ和测量模型F_β，具体结构如下：

生成模型G_θ代替压缩感知中信号稀疏过程，对输入的带噪语音信号进行映射，重构与干净语音信号相关的生成语音信号；

测量模型F_β代替压缩感知中测量矩阵实现信号观测降维过程，用于获得干净语音信号以及生成语音信号的观测信号，观测信号将被用作优化对象。

2.根据权利要求1所述的一种基于深度压缩感知的语音增强方法，其特征在于，所述的构成SEDCS模型的两个模型通过联合训练方式进行训练，在训练之前首先对训练集带噪语音进行优化，优化方式采用梯度下降法，目标函数为：

其中表示优化后的带噪语音信号，表示干净语音信号，表示带噪语音信号，表示带噪语音信号通过生成模型后获得的生成语音信号，和表示语音信号通过测量模型后获得观测信号，为权系数。

3.根据权利要求1所述的一种基于深度压缩感知的语音增强方法，其特征在于，将优化后的带噪语音信号输入生成模型G_θ，然后再通过测量模型F_β获得观测信号，将观测信号作为优化对象，对两个模型进行联合训练优化，模型的目标函数分别为：

其中表示添加的L₁正则化项的权重因子，表示干净语音信号，表示重构语音信号，基于深度压缩感知的语音增强方法的目标为，即最小化模型总体目标函数。

4.根据权利要求1所述的一种基于深度压缩感知的语音增强方法，其特征在于，所述步骤3包括以下子步骤：

步骤3-1：预处理测试数据，对测试集的带噪语音信号进行预加重以及分帧处理，预加重因子及每帧尺寸与处理训练数据时的相同；

步骤3-2：增强语音：将预处理后的带噪语音信号输入训练完成的SEDCS模型，模型对每一小段语音进行去噪，并将其按照原始干净语音信号的顺序进行拼接重构，获得去噪后语音信号；

步骤3-3：保存结果：对去噪后语音信号进行去加重，并将最终获得的去噪语音信号保存在指定位置。

5.根据权利要求1所述的一种基于深度压缩感知的语音增强方法，其特征在于，所述步骤1和步骤3的数据预处理过程中预加重因子设置为0.95，帧长设置为16384个采样点，帧叠设置为1/2，即运用大小为16384*1，滑动步幅为0.5的窗对语音信号进行采样分帧，不足则补0。

6.根据权利要求1所述的一种基于深度压缩感知的语音增强方法，其特征在于，所述步骤3中利用训练完成的模型进行语音去噪处理时，不同带噪语音测试数据的噪声条件不同，应对未知噪声条件时模型可完成语音增强任务。

7.根据权利要求1所述的一种基于深度压缩感知的语音增强方法，其特征在于，所述步骤4中评价指标包括：用于评价语音可懂度的指标：STOI；用于评价语音质量的指标：PESQ、CSIG、CBAK、COVL以及SSNR。