[发明专利]一种基于RefineNet的端到端语音增强方法

权利要求书

1.一种基于RefineNet的端到端语音增强方法，其特征在于，包括以下步骤：

S1、通过TFANet时频分析网络将原始带噪语音信号变换成含有时频信息的特征图，并输入到RefineNet网络中；

S2、通过RefineNet网络对特征图进行分析，确定原始带噪语音信号到纯净语音信号的特征映射对应的特征图；

S3、根据特征图，通过TFANet时频分析网络重构出增强后的语音信号，实现语音增强；

所述TFANet时频分析网络包括STFT卷积层、取特征图层、解卷积层和语音信号重构层；

所述STFT卷积层的输出端与取特征图层连接，所述取特征图层的输出端分别与RefineNet网络的输入端和解卷积层的输出端连接；

所述解卷积层的输入端与RefineNet网络的输出端连接，所述解卷积层的输出端与语音信号重构层连接；

所述RefineNet网络包括输入单元、ResBlock单元组、RefineBlock单元组和输出单元；

所述ResBlock单元组包括第一ResBlock单元、第二ResBlock单元、第三ResBlock单元和第四ResBlock单元；

所述RefineBlock单元组包括第一RefineBlock单元、第二RefineBlock单元、第三RefineBlock单元和第四RefineBlock单元；

所述输入单元、第一ResBlock单元、第二ResBlock单元、第三ResBlock单元和第四ResBlock单元依次连接；

所述第四RefineBlock单元、第三RefineBlock单元、第二RefineBlock单元和第一RefineBlock单元和输出单元依次连接；

所述第一ResBlock单元还与第一RefineBlock单元连接，所述第二ResBlock单元还与第二RefineBlock单元连接，所述第三ResBlock单元还与第三RefineBlock单元连接，所述第四ResBlock单元还与第四RefineBlock单元连接。

2.根据权利要求1所述的基于RefineNet的端到端语音增强方法，其特征在于，所述输入单元包括依次连接的7×7的卷积层和池化层，所述池化层与第一ResBlock单元连接；

所述7×7的卷积层的步长为2；

所述池化层的步长为2；

所述第一ResBlock单元、第二ResBlock单元、第三ResBlock单元和第四ResBlock单元均包括第一卷积组、第二卷积组、第一残差连接和第二残差连接；

所述第一卷积组包括依次连接的第一1×1的卷积层、第一3×3的卷积层和第二1×1的卷积层；

所述第二卷积组包括依次连接的第三1×1的卷积层、第二3×3的卷积层和第四1×1的卷积层；

所述第一1×1的卷积层的输入端还与第五1×1的卷积层的输入端连接；

所述第二1×1的卷积层的输出端和第五1×1的卷积层的输出端与第一残差连接的输入端连接，所述第一残差连接的输出端分别与第三1×1的卷积层的输入端和第二残差连接的输入端连接，所述第二残差连接的输入端还与第四1×1的卷积层的输出端连接，所述第二残差连接的输出端作为一个ResBlock单元的输出端；

所述第一ResBlock单元的输出通道的个数为256；其中，各个卷积层的步长均为1；

所述第二ResBlock单元的输出通道的个数为512；其中，第一3×3的卷积层、第二3×3的卷积层和第五1×1的卷积层的步长均为2，第一1×1的卷积层、第二1×1的卷积层、第三1×1的卷积层和第四1×1的卷积层的步长均为1；

所述第三ResBlock单元的输出通道的个数为1024；其中，第一3×3的卷积层、第二3×3的卷积层和第五1×1的卷积层的步长均为2，第一1×1的卷积层、第二1×1的卷积层、第三1×1的卷积层和第四1×1的卷积层的步长均为1；

所述第四ResBlock单元的输出通道的个数为2048；其中，第一3×3的卷积层、第二3×3的卷积层和第五1×1的卷积层的步长均为2，所述第一1×1的卷积层、第二1×1的卷积层、第三1×1的卷积层和第四1×1的卷积层的步长均为1。