[发明专利]语音信号增强方法及装置

说明书

本申请公开了一种语音信号增强方法及装置，通过将当前场景的语音信号基于预设的时长间隔分割成多个帧信号；基于预设步长，将多个帧信号输入训练好的神经网络，通过跳转连接的卷积层对多个帧信号进行卷积操作，获取多个增强后的帧信号；根据每个增强后的帧信号的时域，对每个增强后的帧信号进行叠加，获得增强后的语音信号。与现有技术相比，本申请通过神经网络对语音信号进行自动增强，无需人工干预，使得语音增强的效果和应用场景无需受限于预设方法及方法设计者，从而降低信号失真和额外杂音的出现频率，进而提高语音信号增强效果。

技术领域

本申请涉及语音信号处理技术领域，尤其涉及一种语音信号增强方法及装置。

背景技术

语音信号增强是为了提升语音的可懂性，和提升那些被加性噪声所污染的语音，其主要应用于主要应用于通信设备，同样也有应用在听力辅助，人工耳蜗等植入设备。现有的语音信号增强方法，通常采用“谱减法”、“维纳滤波”、“统计模型方法”、“子空间法”等。但在采用现有技术进行语音信号增强时发现，由于这些语音信号增强方法在原理上属于人工预设方法，因此效果和应用场景均受限于预设方法及方法设计者，且现实中语音场景多种多样，采用现有技术进行语音增强的过程中不可避免地会出现信号失真以及出现额外杂音的情况，因此，在面对复杂的语音场景时，现有的语音增强技术的鲁棒性较差。

发明内容

本申请实施例所要解决的技术问题在于，提供一种语音信号增强方法及装置，实现对不同场景的语音信号的增强。

为解决上述问题，本申请实施例提供一种语音信号增强方法，至少包括：

采集当前场景的语音信号；

基于预设的时长间隔，对所述语音信号进行分帧，生成多个帧信号；

基于预设步长，将多个所述帧信号输入训练好的神经网络，通过跳转连接的卷积层对多个所述帧信号进行卷积操作，获取多个增强后的帧信号；

根据每个增强后的帧信号的时域，对每个增强后的帧信号进行叠加，获得增强后的所述语音信号。

进一步的，所述基于预设的时长间隔，对所述语音信号进行分帧，生成多个帧信号，具体为：

基于预设的时长间隔，对所述语音信号进行分帧，并将分帧后的所述语音信号加以汉宁窗后进行DFT，生成多个帧信号。

进一步的，所述神经网络的训练方法为：

采集多个噪声信号及不带噪声的多个清晰信号；

基于随机生成的混合系数，将多个所述噪声信号与多个所述清晰信号一一进行混合，获得多个所述带噪信号；其中，一个所述噪声信号与一个所述清晰信号混合成一个所述带噪信号；

将多个所述带噪信号依次输入所述神经网络进行信号增强，产生一一对应的多个降噪信号，并根据各所述降噪信号与各降噪信号一一对应的各所述清晰信号的最小平方误差，调整所述神经网络。

进一步的，所述将多个所述带噪信号依次输入所述神经网络进行信号增强，产生一一对应的多个降噪信号，并根据各所述降噪信号与各降噪信号一一对应的各所述清晰信号的最小平方误差，调整所述神经网络，具体为：

将所述带噪信号输入所述神经网络，根据所述带噪信号通过所述神经网络进行信号增强后产生的降噪信号，与对应的清晰信号的最小平方误差，调整所述神经网络，并根据下一所述带噪信号通过调整后的神经网络产生的降噪信号，与对应的清晰信号的最小平方误差，继续调整所述神经网络，直至利用不同的带噪信号获得的最小平方误差不再产生变化时，完成所述神经网络的训练。

进一步的，所述神经网络包括N个依次排序的卷积层；以第N/2层卷积层为对称轴，两两对称的卷积层之间跳转连接；其中，N为偶数。

进一步的，还提供一种语音信号增强装置，包括：