[发明专利]一种基于深度神经网络的语音质量客观评价方法

权利要求书

1.一种基于深度神经网络的语音质量客观评价方法，包括：

步骤1)以带噪语音的三种语音特征生成的数据作为深度神经网络的输入，以实际目标语音的PESQ得分所在区间编号编码为深度神经网络输出目标，构建及训练深度神经网络；

步骤2)将待评价语音的q帧语音特征向量作为输入数据输入训练好的深度神经网络，输出该待评价语音的质量评价分数；

所述步骤2)包括：

步骤2-1)提取待评价语音的q帧语音特征向量，进行扩展后依次取q个连续j帧特征向量拼接的k维数据，q，j，k为自然数；其中，语音特征向量包括三种语音特征及三种语音特征的一阶差分；所述三种语音特征包括：短时幅度调制谱、相关谱-感知加权线性预测和梅尔倒谱系数；

步骤2-2)将所述的q个k维数据依次输入深度神经网络，输出每帧语音特征向量对应的得分区间编号编码，并映射成得分区间编号对应的实际得分，得到q个实际得分；所述PESQ得分的取值范围为[-0.5,4.5]，将该取值范围平均划分为K个得分区间，区间编号分别为1，2，3，…K，对应深度神经网络输出的K维向量，K为自然数，该向量仅包含有一个非零元且数值为1；目标的得分区间编号对应深度神经网络输出向量非零元的位置；

步骤2-3)将q个实际得分相加，再取平均值作为该段语音的预测分数。

2.根据权利要求1所述的基于深度神经网络的语音质量客观评价方法，其特征在于，所述步骤1)包括：

步骤1-1)构建深度神经网络；

步骤1-2)将不同的纯语音和环境噪声混合生成不同信噪比的带噪语音；

步骤1-3)提取一段带噪语音的q帧语音特征向量，进行扩展后依次取q个连续j帧特征向量拼接的k维数据作为深度神经网络的输入数据，q，j，k为自然数；

以所述输入数据的PESQ得分所在区间的量化编码作为深度神经网络的输出；

步骤1-4)对所述深度神经网络进行训练，得到训练好的深度神经网络。

3.根据权利要求2所述的基于深度神经网络的语音质量客观评价方法，其特征在于，所述步骤1-1)包括：

步骤1-1-1)构建深度神经网络，包括1个输入层，3个隐藏层和1个输出层，输入层包括k个节点，每个隐含层包括1024个节点，输出层包括K个节点；

步骤1-1-2)构建隐藏层节点的输出函数为Sigmoid函数，形式如下：

其中，θ代表隐藏层参数设置，x代表隐层输入，h_θ(x)则为其中某一个节点的输出，深度神经网络输出层采用Softmax函数，函数形式如下所示：

其中，z代表输出层的输入数据，Θ则为输出层参数设置，K代表输出层节点数，与输出类别对应，θ_i代表与第i个节点对应的参数设置，T为转置；

其输出层的输出值P代表输入数据属于该类别的概率。

4.根据权利要求3所述的基于深度神经网络的语音质量客观评价方法，其特征在于，所述步骤1-2)包括：

步骤1-2-1)取信噪比范围为-40dB-40dB的各种环境噪声样本，平均划分为w个信噪比，w为自然数；

步骤1-2-2)在同一个信噪比下，对每一句纯净语音，随机抽取环境噪声样本，进行混合，生成带噪语音；生成w个不同信噪比下的带噪语音。