[发明专利]一种基于K‑SVD的人工语音带宽扩展方法及装置

权利要求书

1.一种基于K-SVD的人工语音带宽扩展方法，其包括以下步骤：

1)在带宽扩展的发送端，对源宽带语音信号进行训练，得到宽带语音字典、窄带语音字典和窄带语音稀疏矩阵，其包括以下步骤：

①对源宽带语音信号进行低通滤波处理，得到对应的窄带语音信号；

②提取生成的窄带语音信号和源宽带语音信号各自对应的STRAIGHT光滑声道谱；

③采用K-SVD算法对所得的窄带语音STRAIGHT光滑声道谱进行训练，得到窄带语音字典和窄带语音稀疏矩阵；

④采用K-SVD算法对宽带语音STRAIGHT光滑声道谱进行训练，得到宽带语音字典，且训练过程中所用稀疏矩阵为窄带语音稀疏矩阵，以确保宽带语音字典与窄带语音字典之间的稀疏相关性；

2)在带宽扩展的接收端，采用宽带语音字典和窄带语音字典对源窄带语音信号进行带宽扩展，得到扩展出的最终宽带语音信号，其包括以下步骤：

①将源窄带语音信号进行插值和低通滤波处理，以提高源窄带语音信号的采样频率，而有效宽带不变，得到最终宽带语音信号的低频分量；

②提取经过处理的源窄带语音信号的STRAIGHT光滑声道谱；

③采用K-SVD算法对所得的源窄带语音STRAIGHT光滑声道谱进行训练，所用字典为窄带语音字典，并采用OMP稀疏编码算法得到待扩展的源窄带语音稀疏矩阵；

④将待扩展的源窄带语音稀疏矩阵和宽带语音字典相乘，得到扩展后宽带语音的STRAIGHT光滑声道谱，且利用其反推得到扩展后的初始宽带语音信号；

⑤对扩展后的初始宽带语音信号进行高通滤波处理，得到最终宽带语音信号的高频分量；

⑥将宽带语音信号的高频分量与经过低通滤波后的低频分量相叠加，得到扩展出的最终宽带语音信号。

2.如权利要求1所述的一种基于K-SVD的人工语音带宽扩展方法，其特征在于：所述步骤1)的步骤②中STRAIGHT光滑声道谱的提取过程如下：

a、将语音信号进行小波分解，得到一系列经过Gabor滤波器滤波的复信号D(t,τ_c)：

$D(t,{\mathrm{\τ}}_c)=|{\mathrm{\τ}}_c{|}^{-0.5}{\∫}_{{\mathrm{\Ω}}_0}s\left(t\right){\stackrel{\‾}{g}}_{AG}\left(\frac{t-u}{{\mathrm{\τ}}_c}\right)du$

其中，t为语音信号上的时间平移变量，且0≤t≤T₀，T₀为语音信号时长；τ_c为g_AG(t)的伸缩因子，表示滤波时对应的滤波通道且0≤τ_c≤t₀，t₀一般取10ms；u代表积分变量，取值范围为积分区间Ω₀，即s(t)为0到t时间段的语音输入信号；g_AG(t)为分析小波，由复合的Gabor滤波器得到，g_AG(t)＝g(t-1/4)-g(t+1/4)，其中η为Gabor滤波器的频率分辨率，根据Gabor滤波器特性取值，通常η>1；

b、把复信号D(t,τ_c)按时间段分为多个重叠的区间段，即把t分为[0,t₀]，[0.5t₀,1.5t₀]，...，[T₀-t₀,T₀]，t₀一般取10ms；若用t_k表示第k个区间段t的变化范围，即[0.5t₀(k-1),0.5t₀(k+1)]，对每个区间段上的D(t,τ_c)计算代价函数M(τ_c)，则第k个区间段的代价函数M_k(τ_c)：

$M_k\left({\mathrm{\τ}}_c\right)=-\lg \[\∫{}_{\mathrm{\Ω}}{\left(\frac{d\left|D\right|}{dt}\right)}^{2}dt\]+\lg \[\∫{}_{\mathrm{\Ω}}|D{|}^{2}dt\]-\lg \[\∫{}_{\mathrm{\Ω}}{\left(\frac{d\arg \left(D\right)}{dt}\right)}^2\]dt+2{\mathrm{lg\τ}}_c+\lg \mathrm{\Ω}\left({\mathrm{\τ}}_c\right)$

其中，上式中D表示的是第k个区间段的所有复信号D(t,τ_c)，用D_k(t,τ_c)表示，表示AM成分幅值；lg[∫_Ω|D|²dt]表示AM总能量；表示FM成分幅值；2lgτ_c表示FM基频的平方；lgΩ(τ_c)表示时域积分区间的归一化因子，且Ω＝Ω(τ_c)是积分区间，也是τ_c的函数，且其范围为$0.5t_0(k-1)-{\mathrm{\τ}}_c(\mathrm{\η}\sqrt{\left(10ln10\right)/\mathrm{\π}}+0.25)\≤{\mathrm{\Ω}}_0\≤0.5t_0(k+1)+{\mathrm{\τ}}_c(\mathrm{\η}\sqrt{\left(10ln10\right)/\mathrm{\π}}+0.25);$

c、求代价函数M(τ₀)在每个区间段取最大值时对应的τ_c集合τ_c(t)，若第k个区间段M_k(τ_c)取最大值时对应的τ_c为则所有区间段的对应的所有区间段基频值f₀(t)为

f₀(t)＝ω₀(t)/2π

其中，瞬时频率Δt＝1/f_s；f_s为语音信号采样频率；

d、利用求出的基频值来提取语音信号的光滑声道谱，其过程如下：

首先，求取语音信号每个区间段的加窗后的傅里叶变换且第k个区间段上的傅里叶变换为F(ω，t_k)

$F(\mathrm{\ω},t_k)={\∫}_{0.5t_0(k-1)}^{0.5t_0(k+1)}s\left(t_k\right)w\left(t_k\right)e^{-{\mathrm{j\ωt}}_k}{\mathrm{dt}}_k$

其中，为窗函数；ω为角频率，ω＝2πf,0≤f≤8Hz；

然后，采用内插函数去除傅里叶短时谱在时频域的周期性，得到语音信号STRAIGHT光滑声道谱S(ω，t)：

$S(\mathrm{\ω},t)=\sqrt{g^{-1}(\∫{\∫}_D{h}_t(\mathrm{\λ},\mathrm{\τ}\left)g\right(|F\left(\mathrm{\ω}-\mathrm{\λ},t-\mathrm{\λ}\right){|}^2\left)d\mathrm{\λ}d\mathrm{\τ}\right)}$

其中，为内插函数，是两个三角窗函数的乘积，τ₀(t)＝2π/ω₀(t)，-ω₀(t)≤λ≤ω₀(t),-τ₀(t)≤τ≤τ₀(t)；函数g(·)定义了插值时所保留的特性。