[发明专利]基于可分离深度自动编码技术的无监督噪声估计和语音增强方法

权利要求书

1.一种基于可分离深度自动编码技术的无监督噪声估计和语音增强方法，其特征在于包括事前处理和对被未知噪声污染的语音增强：

所述事前处理的实现步骤为：

步骤一，对干净语音时域信号s(n)，经过分帧加窗后，对每帧进行傅里叶变换并取模，得到该帧的幅度谱s；综合所有帧，就可得该干净语音时域信号s(n)的幅度谱S；

步骤二，使用来自不同性别、不同说话人的大量语音信号的幅度谱S，通过非负矩阵分解，训练出一个能够表征语音信号的非负语音字典D，即求解如下优化问题：

其中，KLD表示Kullback-Leibler散度，D为所要求的非负字典，C为字典中各基函数的激活系数；

步骤三，使用来自不同性别、不同说话人的大量语音信号的幅度谱S，训练出一个能够表征语音信号的深度自动编码机f(s)；其中，各个节点的激活函数采用反射线性单元激活函数σ(·)来确保重构谱的非负性，编码机的输出函数为：

其中，分别为各层的系数和偏置，它们是待估参数，因此，训练的目标函数为：

所述对被未知噪声污染的语音增强实现步骤为：

步骤四，对输入的带噪语音时域信号x(n)，经过分帧加窗后，对每帧进行傅里叶变换并取模得到该帧的幅度谱x；

步骤五，使用预先训练的非负语音字典D和预先训练好的深度自动编码机f(s)，该f(s)含参数的表述形式为f(W,b,S)，引入额外的深度自动编码机g(n)，将这三者联合起来对含噪语音进行建模；对含噪语音建立的模型中，所有不能被语音深度自动编码机f(s)有效表示的成分均被认为是噪声，用g(n)来表示；利用链式求导方法迭代更新语音基函数的系数向量和噪声模型中的未知参数，分别得到干净语音幅度谱和噪声谱的估计值；

步骤六，将估计所得的干净语音幅度谱，使用带噪语音信号的相位，重构出增强后的语音信号

2.根据权利要求1所述的基于可分离深度自动编码技术的无监督噪声估计和语音增强方法，其特征在于步骤四中，使用步骤三得到的深度自动编码机f(s)来表示带噪语音中对应的干净语音部分，引入额外的深度自动编码机g(n)来表示带噪语音中对应的噪声成分，这两个模型联合表示带噪语音谱需要尽可能的逼近含噪语音的幅度谱x；通过调整线性单元激活函数σ(·)来确保重构谱的非负性，各深度自动编码机对应的多层神经网络为：

3.根据权利要求1所述基于可分离深度自动编码技术的无监督噪声估计和语音增强方法，其特征在于步骤二、四中，使用从大量不同说话人语音信号训练所得的非负语音字典D来表示混合谱中的干净语音成分并估计出语音基函数相对应的系数向量y，即噪声成分通过混合谱与干净语音谱做差的方式来得到，即σ(x-Dy)，其非负性由调整线性单元激活函数σ(·)来确保：

所求解的相应优化问题最终转化为如下形式：

4.根据权利要求1或3所述基于可分离深度自动编码技术的无监督噪声估计和语音增强方法，其特征在于为了使得语音和噪声最大限度的分离，在目标函数中添加最大边际距离约束，

通过最小化该约束，使得语音部分f(y)和噪声部分g(y)的距离尽可能的大，也就是机器学习领域通常所说的最大边际距离。

5.根据权利要求1或3所述基于可分离深度自动编码技术的无监督噪声估计和语音增强方法，其特征在于通过乘法迭代更新准则来更新未知参数如下：

其中，表示对θ求偏导数的负部，则表示对θ求偏导数的正部，重构误差γ为可调整指数步长。