[发明专利]一种基于深度压缩感知的语音增强方法

说明书

本发明公开了一种基于深度压缩感知的语音增强方法，所述方法包括以下步骤：步骤1：预处理训练数据，获取时域语音信号序列；步骤2：构建基于深度压缩感知的语音增强模型（SEDCS），并对其进行联合训练；步骤3：预处理带噪语音测试集，利用训练完成的SEDCS模型对其去噪与重构，并保存结果，完成语音增强任务；步骤4：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。本发明将压缩感知结合深度学习实现语音增强，可摆脱传统压缩感知方法中对语音信号的稀疏性约束，解决传统压缩感知方法重构语音可懂度下降等问题，并且以语音信号的观测信号作为优化对象，有效提升了增强语音效率，降低了模型复杂度，能够更简便灵活地实现语音增强。

技术领域

本发明涉及语音信号处理的语音增强技术领域，尤其涉及一种基于深度压缩感知的语音增强方法。

背景技术

语音是人们交流的一种最自然、最快捷以及最高效的方式，但是在现实生活中语音往往会被各种各样的噪声所干扰，比如环境噪声，机械噪声等。这些噪声会不同程度地影响语音质量，从而导致语音可懂度下降。为解决这些问题，就需要应用到语音增强。语音增强是从带噪语音中提取干净语音的一种技术，是语音识别系统中重要组成部分，其目的主要有两个，一是改善语音质量，二是提高语音可懂度。

现有的语音增强手段主要包括传统方法和深度学习方法两种，传统方法如谱减法、子空间法、维纳滤波法等，这些方法虽然能够有效去除噪声，提高语音质量，但是传统方法一般都基于特定的假设前提，如噪声是平稳的，但对于低信噪比和非平稳噪声下语音增强效果较差。所以鉴于这个问题，基于深度学习的语音增强方法被提出，常见的深度学习语音增强方法有基于卷积神经网络（CNN）的语音增强方法、基于循环神经网络（RNN）的语音增强方法以及基于生成对抗网络（GAN）的语音增强方法。基于CNN的语音增强方法是比较常见的方法，通过训练语音增强模型完成语音增强任务，但是该方法模型参数量较大，若在时频域进行语音增强时，还存在相位信息丢失等问题，导致语音增强质量下降。基于RNN的语音增强方法也备受关注，但是RNN方法相较CNN方法参数量更大，模型更复杂。生成对抗网络（GAN）的提出为语音增强提供了新方法，该方法实现了语音信号的端到端增强，并且在时域直接完成语音增强任务。随着压缩感知技术的发展，又给语音增强提供了新的探索领域，该方法虽然可以解决传统方法非平稳噪声下语音增强效果差的问题，但是压缩感知要求语音信号需满足特定结构，如语音信号必须是稀疏的，而语音信号在稀疏化过程中可能造成有效信息丢失，导致重构语音可懂度下降。

现有语音增强技术大多在时频域实现，数据处理后易造成相位信息丢失等问题；许多基于深度学习的语音增强技术虽然在时域实现了语音增强，为增强算法的研究提供了新的方向；基于传统压缩感知技术的语音增强方法受语音信号稀疏性的影响，导致重构语音可懂度下降。

发明内容

本发明主要以语音信号的观测信号作为优化对象解决现有语音增强技术存在的模型复杂、增强速率慢等问题，解决传统压缩感知方法重构语音可懂度下降的问题；本发明的目的是提供一种结合深度学习的压缩感知语音增强方法，通过该方法可以完成语音增强任务，提高语音增强速率，解决传统压缩感知方法重构语音可懂度下降的问题。

本发明的目的是通过以下技术方案实现。

一种基于深度压缩感知的语音增强方法，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，将预处理后的语音训练集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：对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。