[发明专利]语音带宽扩展模型的训练方法及语音带宽扩展方法

说明书

本发明公开了一种语音带宽扩展模型的训练方法和语音带宽扩展方法。其中，语音带宽扩展方法包括：获取待扩展窄带语音；计算所述待扩展窄带语音的幅值谱和相位谱，并提取所述待扩展窄带语音的辅助特征；采用训练后的所述语音带宽扩展模型对所述待扩展窄带语音的所述幅值谱和所述辅助特征进行处理，得到重构的宽带语音高频带的幅值谱；在频域上对所述待扩展窄带语音的所述相位谱进行镜像翻转，确定宽带语音高频带的相位谱；基于所述窄带语音的所述幅值谱和所述相位谱，并联合所述重构的宽带语音高频带的幅值谱和所述宽带语音高频带的相位谱，确定宽带语音信号。通过本发明，实现了提高窄带语音的音质和自然度的效果。

技术领域

本发明实施例涉及智能信息技术领域，具体涉及一种语音带宽扩展模型的训练方法及语音带宽扩展方法。

背景技术

随着通信技术的发展，在不久的将来宽带语音通信将会取代窄带语音通信。然而，为了保证传输宽带语音信号需要构建一个新的网络环境使其能够支持更高的速率和更大的带宽，并且要求通信终端具备宽带信号的处理能力，实现这种方式不仅成本高而且耗时。而传统的电话网络难以在短时间内实现真正的宽带语音传输。一个有效的解决方案是在通信系统的终端对窄带语音进行处理，对接收到的语音信号人工加入一些丢失频谱成分，生成宽带语音信号。这种语音带宽扩展算法是解决此类问题的有效方法。语音带宽扩展是利用窄带语音根据某种模型算法重新构建出丢失的信号高频部分，从而生成宽带语音信号。

人类语音的频带信息主要分布在50Hz到8kHz的频率范围之间。然而，目前大多数电话网络所传输的语音信号的带宽要求在300Hz到3.4kHz。在这种电话网络通信系统中，窄带语音包含了足够的信息，语音质量基本上能够被人们所接受。虽然它保证了语音信号一定的可懂度，同时降低了系统对通信带宽的需求，但这种方式是以牺牲语音的自然度为代价的。因为窄带语音丢失了原始语音中的高频分量，使其听起来不够自然，听者容易产生疲劳感和压抑感。如果对窄带语音和宽带语音相比较时，很容易发现窄带语音音质和自然度的欠缺。因此需要语音带宽扩展算法重构出丢失的高频带信息，提高窄带语音的音质和自然度。目前已有的语音带宽扩展方法大多是基于源滤波模型的语音带宽扩展，这种方法将语音分解成激励源和谱包络两个部分后分别进行带宽扩展。采用这种方法进行语音带宽扩展时，在语音分析合成过程中声码器模块会带来音质的损伤。

有鉴于此，特提出本发明。

发明内容

为解决上述的一个或多个问题，本发明提供了一种语音带宽扩展方法，以提高窄带语音的音质和自然度。此外，本发明还提供了一种语音带宽扩展模型的训练方法。

为了实现上述目的，根据本发明的一个方面，提供了以下技术方案：

一种语音带宽扩展模型的训练方法。该方法可以包括：

获取窄带语音及其对应的宽带语音；

计算所述窄带语音的幅值谱和相位谱以及所述宽带语音的幅值谱，并提取所述窄带语音的辅助特征；

采用基于最小均方误差准则的后向传播算法，训练深层神经网络模型。

较佳地，所述辅助特征包括以下至少任一项：梅尔频率倒谱系数、线谱对系数、各子带的清浊度及瓶颈特征。

较佳地，所述计算所述窄带语音的幅值谱和相位谱以及所述宽带语音的幅值谱，并提取所述窄带语音的辅助特征，具体包括：

分别对所述窄带语音和所述宽带语音进行分帧处理，并对每帧窄带语音和宽带语音在时域上进行加窗处理；其中，帧移为帧长的一半；

对加窗后的窄带语音帧进行快速傅里叶变换，确定所述窄带语音各频带的幅值谱和相位谱；

针对所述加窗后的窄带语音帧在频域上进行三角带通滤波，得到各子带的对数能量，并对所述各子带的对数能量进行离线余弦变换，确定所述梅尔频率倒谱系数；