[发明专利]一种基于L1/2稀疏约束卷积非负矩阵分解的语音去噪方法和系统

摘要

本发明公开了一种基于L_1/2稀疏约束卷积非负矩阵分解的语音去噪方法和系统。在单通道语音增强中，假设含噪语音信号v(i)为噪声信号n(i)和语音信号s(i)加性不相关，即v(i)＝n(i)+s(i)，利用CNMF方法对特定噪声进行训练得到噪声基信息；然后以噪声基作为先验信息，使用CNMF_L_1/2方法对含噪语言进行分解得到语音基，最后合成去噪后的语音。本发明方法能更好地刻画帧之间语音的相关性；并且使用L_1/2正则项对语音基系数矩阵进行强稀疏约束，可实现分离后的语音包含更少的残留噪声。相较与传统方法如谱减法、维纳滤波法以及最小均方差对数域谱估计法等，更能够提高增强后语音的可懂度。

主权项

1.一种基于L_1/2稀疏约束卷积非负矩阵分解含噪语音去噪的方法，其特征在于：假设含噪语音信号v(i)为噪声信号n(i)和语音信号s(i)加性不相关，即v(i)＝n(i)+s(i)，含噪语音去噪的方法包括以下步骤：步骤1：利用CNMF方法对特定噪声进行训练得到噪声基信息：步骤2：以噪声基作为先验信息，使用CNMF_L_1/2方法对含噪语言进行分解得到语音基，最后合成去噪后的语音；所述步骤1具体包括以下步骤：步骤1.1：对噪声进行短时傅里叶变换变换得到其幅度谱N；步骤1.2：对噪声幅度谱进行CNMF分解得到噪声基Wⁿ及其对应的系数矩阵Hⁿ，分解的目标函数如下：其中，V是带分解的噪声幅度谱矩阵，Λ是对V的卷积估计值：式(2)中W(t)和H分别代表第t个基矩阵和系数矩阵，表示将矩阵按列右移t步，左边空出列补0；所述步骤1.2中目标函数式(1)由于分别对于W和H来说是凸函数，可以交替更新W和H，使用梯度下降法得到其更新方程：所述步骤2具体包括以下步骤：步骤2.1：对含噪语音进行STFT变换，在时频域得到如下非负矩阵和：V＝S+N    (5)其中，V、S、N分别是含噪语音、干净语音和噪声的幅度谱矩阵，同时得到语音谱的相位信息；对式(5)右边进行卷积非负矩阵分解，得到：其中，W^s和H^s表示语音基及其对应的系数矩阵，Wⁿ和Hⁿ表示噪声基及其对应的系数矩阵；步骤2.2：结合步骤1.2得到的噪声基Wⁿ对含噪语音的幅度谱矩阵进行CNMF_L_1/2分解得到语音基W^s、语音基系数H^s和新的噪声基系数矩阵CNMF_L_1/2分解时的目标函数如下：步骤2.3：利用步骤2.2得到的语音基W^s、语音基系数H^s和相位信息合成得到去噪后语音的幅度谱S，合成方法如下所示：步骤2.4：对去噪后语音的幅度谱S进行逆STFT变换得到增强后的语音频谱。