[发明专利]一种融合信噪比与可懂度双重目标的语音增强方法及系统

权利要求书

1.一种融合信噪比与可懂度的语音增强方法，其特征在于，该方法包括：

将原始语音信号转换为原始时频域特征；

将原始时频域特征输入预建立的第一神经网络模型中，获取具有信噪比的第一有效特征；

将原始时频域特征输入预建立的第二神经网络模型中，获取具有可懂度的第二有效特征；

对第一有效特征和第二有效特征进行处理得到权重矩阵，根据预设的相关性权重阈值，从权重矩阵中逐列选取第二有效特征中与第一有效特征相关性高的元素，提取该元素的相关性权重阈值，并用其替换第一有效特征中对应位置上的阈值，将替换后的第一有效特征作为语音增强后的时频域特征，将语音增强后的时频域特征转换为增强后的语音信号。

2.根据权利要求1所述的方法，其特征在于，所述将原始语音信号转换为原始时频域特征；具体包括：

对原始语音信号进行分帧、加窗处理，获取处理后的语音信号；

将处理后的语音信号进行傅里叶变换，获取高为H、宽为T1的傅里叶变换系数矩阵；

对获取的傅里叶系数矩阵取绝对值，获取与原始语音信号对应的原始时频域特征。

3.根据权利要求1所述的方法，其特征在于，所述将原始时频域特征输入预建立的第一神经网络模型中，获取具有信噪比的第一有效特征；具体包括：

将原始时频域特征作为输入，将原始时频域特征输入预建立的第一神经网络模型中，通过第一神经网络的前向计算，获取第一浮值掩模；

将获取的第一浮值掩模与原始时频域特征点对点相乘，获取具有信噪比的第一有效特征。

4.根据权利要求3所述的方法，其特征在于，所述预建立的第一神经网络模型具体包括：

步骤S11)设置深度神经网络的初始权重；将第i个样本语音信号作为参考信号，添加噪声信号构建与之对应的第i个原始语音信号，二者分别被转换为第i个参考时频域特征和第i个原始时频域特征；

步骤S12)根据第i个原始时频域特征，通过深度神经网络前向计算，获取第i个原始时频域特征对应的第i个第一有效特征；

步骤S13)根据第i个第一有效特征以及第i个参考时频域特征，计算均方误差，获取第i个均方误差；

步骤S14)将第i个参考时频域特征求平方、取平均，并与获取的第i个均方误差作比值，获取用于该次训练的第i个信噪比和训练过后每一层的最优权重系数；

步骤S15)根据该最优权重系数，计算深度神经网络的输出值与参考时频域特征之间基于信噪比的误差，获取信噪比误差；

步骤S16)判断获取的信噪比误差是否小于预设阈值；如果信噪比误差小于预设阈值，则继续向下执行；信噪比误差不小于预设阈值，则返回至步骤S12)，并继续执行；

步骤S17)确定当前模型为第一深度神经网络模型。

5.根据权利要求1所述的方法，其特征在于，所述将原始时频域特征输入预建立的第二神经网络模型中，获取具有可懂度的第二有效特征；具体包括：

将原始时频域特征作为输入，将原始时频域特征输入预建立的第二神经网络模型中，通过第二神经网络的前向计算，获取第二浮值掩模；

将第二浮值掩模与原始时频域特征点对点相乘，获取具有可懂度的第二有效特征。