[发明专利]一种语音分离方法及装置

说明书

本申请提出的一种语音分离方法，包括：数据采集，并将采集的数据分为训练集、测试集和验证集；将所述训练集的数据经过傅里叶变换生成特征谱图，并将所述特征谱图输入到智能模型中进行训练，通过测试集和验证集对所述智能模型进行测试和验证，获得语音分离模型；将获得的混合语音数据输入到所述语音分离模型中，对所述混合语音进行分离，获得识别语音。本申请融合卷积注意力机制模块(CBAM)，在不增加参数量的同时可以有效提取全局特征，并对特征图进行自适应的调整，提升其学习效率。

技术领域

本申请请求保护一种语音分离技术，尤其涉及一种语音分离方法。本申请还涉及一种语音分离装置。

背景技术

随着人工智能领域的蓬勃发展，物联网行业迅速崛起，移动通信设备、智能音箱、智能车载等设备的使用，给人们带来极为便利的生活。其中，语音控制作为智能设备的基本单元，其性能的优劣很大程度取决于前端处理，在嘈杂的环境中分离出目标说话人，从而使设备准确识别目标指令是目前亟待解决的问题。

近年来，深度学习算法在语音分离领域有较多应用。目前的主流方法是利用不同的深度学习网络，在时、频域的基础上进行语音分离。在现有方法中，采用关注相位和谐波的语音增强模型PHASEN(相位感知网络)，模型设计为双流结构，分别处理相位和幅度信息，并设计了双向信息交互通道，提出时频注意力机制，使模型能够学习相位信息以及谐波相关性，采用双向长短时记忆网络(Bi-directional Long Short-Term Memory networks，BiLSTM)学习幅度掩码。

现有的方法采用基于时频注意力机制的双流网络PHASEN(相位感知网络)，其中网络引入的时频注意力机制增加了网络的参数量；在训练模型时采用双向长短时记忆网络(BiLSTM)学习幅度掩码，其中BiLSTM内部结构复杂，不利于模型优化。

发明内容

为了解决上述背景技术中提出的一个或者多个问题，本申请提出一种语音分离方法。本申请还涉及一种语音分离装置。

本申请提出的一种语音分离方法，包括：

数据采集，并将采集的数据分为训练集、测试集和验证集；

将所述训练集的数据经过傅里叶变换生成特征谱图，并将所述特征谱图输入到智能模型中进行训练，通过测试集和验证集对所述智能模型进行测试和验证，获得语音分离模型；

将获得的混合语音数据输入到所述语音分离模型中，对所述混合语音进行分离，获得识别语音。

可选的，所述智能模型中包含有：卷积注意力机制模块和相位感知网络；

其中，所述卷积注意力模块包括：通道注意力模块和空间注意力模块。

可选的，所述卷积注意力机制模块和所述相位感知网络的融合计算，包括训练阶段和分离阶段两种模式，分别为：

所述训练阶段对输入的语音信号进行时频分解，利用二维卷积层提取语音的幅度谱特征和相位谱特征；将提取的特征输入所述相位感知网络的双流通道进行处理，得到处理后的幅度谱特征和相位谱特征；将幅度谱特征作为先验信息进行模型训练，得到最优模型；

所述分离阶段将带噪语音分别经过特征提取与处理，得到估计的幅度谱信息与相位谱信息，将幅度谱信息输入到训练好的模型中，得到增强的幅度谱，将幅度特征与相位特征结合得到目标语音。

可选的，所述数据采集包括：

分别采集纯净数据和噪声数据，将纯净数据与噪声数据按照预设的信噪比进行混合。

可选的，所述数据采集的环境为车载语音环境。

本申请提出的一种语音分离装置，包括：

采集模块，用于数据采集，并将采集的数据分为训练集、测试集和验证集；