[发明专利]基于神经网络的语音增强方法、可读存储介质及终端设备

权利要求书

1.一种基于神经网络的语音增强方法，其特征在于，包括：

使用短时傅里叶变换对加噪语音进行时频域分析，得到所述加噪语音的时频域分析结果；

分别计算所述时频域分析结果的相位及幅值；

使用预设的神经网络模型对所述时频域分析结果的幅值进行增强处理，得到增强后的幅值；

使用短时傅里叶逆变换对所述时频域分析结果的相位及增强后的幅值进行处理，得到增强后的语音。

2.根据权利要求1所述的语音增强方法，其特征在于，所述使用预设的神经网络模型对所述时频域分析结果的幅值进行增强处理，得到增强后的幅值包括：

使用所述神经网络模型对所述时频域分析结果的幅值进行TN次增强处理，各次增强处理时丢弃不同的神经网络单元，TN为正整数；

根据下式计算所述增强后的幅值：

其中，t为处理次数的序号，1≤t≤TN，为对所述时频域分析结果的幅值进行t次增强处理后得到的结果，为所述增强后的幅值。

3.根据权利要求2所述的语音增强方法，其特征在于，在使用预设的神经网络模型对所述时频域分析结果的幅值进行增强处理之前，还包括：

从预设的神经网络模型集合中分别选取各个候选神经网络模型对所述时频域分析结果的幅值进行增强处理，得到各个候选神经网络模型增强后的幅值；

根据各个候选神经网络模型增强后的幅值分别计算各个候选神经网络模型的偏差度；

从所述神经网络模型集合中选取偏差度最小的候选神经网络模型作为进行增强处理的神经网络模型。

4.根据权利要求3所述的语音增强方法，其特征在于，所述根据各个候选神经网络模型增强后的幅值分别计算各个候选神经网络模型的偏差度包括：

根据下式计算各个候选神经网络模型的偏差度：

其中，l为预设的先验长度，p为未被丢弃掉的神经网络单元的总数，N为输入样本的总数，λ为预设的正则化衰减权重，I_D为单位矩阵，T为转置符号，V(S)为所述偏差度。

5.根据权利要求1至4中任一项所述的语音增强方法，其特征在于，所述神经网络模型的训练过程包括：

使用预设的语音样本对所述神经网络模型进行一轮训练，并根据下式计算本轮训练的全局误差：

其中，k为所述语音样本中的样本点序号，1≤k≤R，R为所述语音样本中的样本点总数，S(k)为所述语音样本中的第k个样本点的幅值，为使用所述神经网络模型对第k个样本点进行增强处理后得到的幅值，E_r为所述全局误差；

若所述全局误差大于预设的误差阈值，则对所述神经网络模型进行调整，然后返回执行所述使用预设的语音样本对所述神经网络模型进行一轮训练的步骤，直至所述全局误差小于所述误差阈值为止；

若所述全局误差小于所述误差阈值，则将当前的神经网络模型确定为训练好的神经网络模型。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的语音增强方法的步骤。

7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如下步骤：

使用短时傅里叶变换对加噪语音进行时频域分析，得到所述加噪语音的时频域分析结果；

分别计算所述时频域分析结果的相位及幅值；

使用预设的神经网络模型对所述时频域分析结果的幅值进行增强处理，得到增强后的幅值；

使用短时傅里叶逆变换对所述时频域分析结果的相位及增强后的幅值进行处理，得到增强后的语音。