[发明专利]基于约束低秩与稀疏分解的子空间语音增强方法

权利要求书

1.一种基于约束低秩与稀疏分解的子空间语音增强方法，包括如下步骤：

(1)对含噪语音进行分帧；

(2)对每一帧含噪语音，在时域上构造带噪矩阵Y：

其中：带噪矩阵Y为((N-M+1)×M)维的Toeplitz矩阵，y()为含噪语音，N为一帧含噪语音中的样本数，M为调节因子；

(3)对带噪矩阵Y进行SVD分解，根据SVD分解结果，利用合成分析法来确定纯净语音的有效秩P；

(4)对带噪矩阵Y进行低秩和稀疏矩阵分解，得到低秩矩阵和稀疏矩阵，其分解公式为：

Y＝L+S+R,rank(L)≤P，L≥0，S≥0

其中：L为低秩语音矩阵，S为稀疏噪声矩阵，R为残差矩阵，rank(L)为L的秩；

(5)对得到的L的对角线进行平均运算，从中提取增强信号x(n)；

(6)对每一帧迭代重复上面的步骤，达到迭代次数后输出语音信号。

2.根据权利要求1所述一种基于约束低秩与稀疏分解的子空间语音增强方法，其特征在于所述步骤(3)求取纯净语音有效秩的具体步骤如下：

3.1)首先对带噪矩阵Y进行SVD分解，得到带噪矩阵Y的奇异值δ_yi(i＝1,2,3...M)，计算含噪语音的能量y²：然后对静音段噪声矩阵D进行SVD分解，得到奇异值δ_di(i＝1,2,3...M)，计算噪声能量

3.2)计算秩k近似合成信号

3.3)计算其中E_k表示含噪语音能量E[y²]与其秩k近似合成信号能量之差。

3.4)如果E_k小于停止迭代，输出k，使P＝k，表示纯净语音的有效秩；否则跳到步骤3.2)，k＝k+1,继续执行迭代过程。

3.根据权利要求1所述一种基于约束低秩与稀疏分解的子空间语音增强方法，其特征在于所述步骤(4)中对带噪矩阵Y进行低秩和稀疏矩阵分解的步骤如下：

4.1)初始化：X₀＝Y，L₀＝S₀＝0，L∈R^(N-M+1)×M,S∈R^(N-M+1)×M，||S||₀为S中非0元素的个数，P表示L矩阵的秩约束上限；

迭代次数i＝1；最大迭代次数imax＝50；误差阀值δ＝10^-2；

4.2)更新低秩矩阵L_i:(U,S,V)＝SVD(X_i-1)，L_i＝U_iS_iV_i^T，S_i∈R^P×P,U_i∈R^(N-M+1)×P，V_i∈R^P×M，

其中L_i是经过第i次迭代L的估计值，矩阵SVD分解后，只取前P个最大的奇异值，重组后得到L矩阵；

4.3)使用软门限算子更新稀疏矩阵S_i：

其中符号表示矩阵对应位置元素乘积，λ是与噪声水平有关的门限常数。

4.4)更新叠加矩阵：X_i＝L_i+S_i，

4.5)如果i达到最大迭代次数imax或者停止迭代，输出L和S的估计值，否则i＝i+1，跳到步骤4.2)，继续执行迭代过程。