[发明专利]一种融合滤波与学习的在线语音增强方法及装置

说明书

本发明涉及一种融合滤波与学习的在线语音增强方法，包括：步骤S1，实时获取原始带噪语音信号，对所述原始带噪语音信号进行卡尔曼滤波，得到滤波后的实时语音信号；步骤S2，根据所述原始带噪语音信号、所述滤波后的实时语音信号以及一离线语料库，进行DNN训练，得到训练权重；步骤S3，根据所述原始带噪语音信号和所述训练权重，进行DNN增强，得到增强后的语音信号；步骤S4，对所述滤波后的语音信号和所述增强后的语音信号进行性能比较，获取输出语音信号。本发明还涉及一种融合滤波与学习的在线语音增强装置。本发明能够在有限开销的情况下提升语音增强的性能。

技术领域

本发明涉及无线通信与信号处理领域，更具体地涉及一种融合滤波与学习的在线语音增强方法及装置。

背景技术

在无线语音通信系统中，由于背景噪声的存在，导致接收机解调出的语音可懂度大大降低，需要语音增强技术从含噪语音中提取出原始干净的语音信号。

语音增强技术总体上可以分为无监督语音增强方法和有监督语音增强方法。无监督语音增强方法也称为传统语音增强方法，其无需离线训练，只需较少的计算资源。目前常用的无监督语音增强方法为卡尔曼滤波(KMF)法，KMF法可以递推式地进行求解，无需整个语音帧的信息即可进行滤波增强。然而，KMF法仅对于平稳噪声具有良好的处理效果，对于非平稳噪声则性能较差。

有监督语音增强方法利用既有的语音数据或噪声数据，训练相关的统计特性模型，让系统学习并记住一些语音和噪声的模式，以指导将噪声从带噪语音中分离出来。由于有监督语音增强方法充分利用了既有数据，掌握了一些语音和噪声的统计特性，因而会得到较优的语音增强性能。目前常用的有监督语音增强方法为深度神经网络(DNN)训练增强法，用于语音信号处理的DNN训练增强法一般分为两个阶段：训练阶段和增强阶段，训练阶段用于对干净语音和带噪语音进行训练得到权重系数，增强阶段采用训练得到的权重系数对输入语音进行实时增强处理。采用DNN训练增强法可以更精确地学习到带噪语音与干净语音的相互关系，从而得到更好的语音增强性能。但是，DNN训练增强法的性能好坏依赖于用于训练的数据集大小：训练数据量越大，数据类型越丰富，训练得到的模型效果也越好；反之，当训练数据量较小且类型单一时，得到的模型泛化能力较差，语音增强性能较低。而在无线语音通信系统中，很难获取大量的语料数据用于训练。

综上所述，KMF法与DNN训练增强法是当前语音增强领域常用的两种方法，而两者各有一定的缺点：KMF法对于平稳噪声被是最优增强方法，但其对于非平稳噪声则性能较差；DNN训练增强法的性能依赖于训练时所采用的数据集大小与数据类型的丰富程度，而对于一个语音通信系统，获取海量的训练数据开销巨大。因此，需要一种新技术，能适用于非平稳噪声，在保证语音增强性能的情况下，同时能够降低数据开销。

发明内容

为了解决上述现有技术中的问题，本发明提供一种融合滤波与学习的在线语音增强方法及装置，能够在保证语音增强性能的同时，降低数据采集的开销。

本发明提供的一种融合滤波与学习的在线语音增强方法，包括：

步骤S1，实时获取原始带噪语音信号，对所述原始带噪语音信号进行卡尔曼滤波，得到滤波后的实时语音信号；

步骤S2，根据所述原始带噪语音信号、所述滤波后的实时语音信号以及一离线语料库，进行DNN训练，得到训练权重；

步骤S3，根据所述原始带噪语音信号和所述训练权重，进行DNN增强，得到增强后的语音信号；

步骤S4，对所述滤波后的语音信号和所述增强后的语音信号进行性能比较，获取输出语音信号。

进一步地，所述步骤S2包括：

步骤S21，判断所述原始带噪语音信号是否为背景噪声，若是，则将其作为实时背景噪声信号输出，进入步骤S22；若否，则结束流程；