[发明专利]一种声码器子带清浊音判决的方法及系统

说明书

本发明公开了一种声码器子带清浊音判决的方法，获取每帧语音以及标注每帧语音的子带清浊音分类结果，将获取的所有帧的语音以及所有的子带清浊音分类结果输入至处理模块，所述处理模块处理后得到深度卷积网络的输入输出训练集，通过所述输入输出训练集训练生成深度卷积网络；获取输入语音，将所述输入语音转换为图像矩阵作为训练好的深度卷积网络的输入，训练好的深度卷积网络输出新的子带清浊音分类结果，对子带清浊音分类结果进行编码传输。优点：训练用于子带清浊音分类的深度卷积网络，能够自动从语音信号的频谱中学习子带清浊音分类的有效特征。利用训练好的深度卷积网络进行当前帧语音的子带清浊音分类，提高子带清浊音分类的准确度。

技术领域

本发明涉及一种声码器子带清浊音判决的方法及系统，属于语音编码技术领域。

背景技术

语音编码在通信系统、录放系统、具有语音功能的消费类产品中有广泛的应用。近些年来国际电信联盟（ITU）、3GPP、一些区域组织和国家相继制定了一系列语音压缩编码标准，其中一个重要的发展趋势是：编码速率越来越低，合成语音质量越来越高。目前，低速率高质量语音压缩编码算法在无线通信、保密通信、水声通信等领域仍然有迫切的需求，并得到了广泛的研究。在各种低速率语音编码模型中，混合激励线性预测（Mixed ExcitationLinear Prediction，MELP）模型编码性能突出并得到了广泛采用。在MELP编码算法中，采用了多带混合激励模型，需要对每个子带的清浊音进行判决，子带清浊音判决的准确率对合成语音质量高低有重要影响，现有技术一般采用自相关值等统计特征或者多个统计特征的组合来进行子带清浊音判决。

现有方法为了进行语音子带清浊音判决，首先要提取用来进行判决的特征参数，然后利用特征参数来对清浊音进行分类，但是特征参数的选取和阈值的设置往往需要大量时间去研究和调整，难度较大，会影响子带清浊音判决的准确率。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种声码器子带清浊音判决的方法及系统。

为解决上述技术问题，本发明提供一种声码器子带清浊音判决的方法，获取每帧语音以及标注每帧语音的子带清浊音分类结果，将获取的所有帧的语音以及所有的子带清浊音分类结果输入至处理模块，所述处理模块处理后得到深度卷积网络的输入输出训练集，通过所述输入输出训练集训练生成深度卷积网络；获取输入语音，将所述输入语音转换为图像矩阵作为训练好的深度卷积网络的输入，训练好的深度卷积网络输出新的子带清浊音分类结果，对子带清浊音分类结果进行编码传输。

进一步的，所述每帧语音以及每帧语音的子带清浊音分类结果通过语音训练集按帧获取。

进一步的，所述处理模块的处理过程为：

将每帧语音做FFT变换得到幅值，将每帧语音得到的所有幅值排列为图像矩阵作为一个输入，每帧标注的子带清浊音分类结果作为一个输出，任意一帧语音得到的输入与该帧语音的子带清浊音分类结果得到的输出组成输入-输出对，所有帧的输入-输出对组成输入输出训练集；利用所述输入输出训练集离线训练生成深度卷积网络。

进一步的，所述深度卷积网络的网络结构采用LeNet-5卷积神经网络。

进一步的，按帧获取输入语音，将第一帧的输入语音做FFT变换得到幅值，将该帧的输入语音得到的所有幅值排列为图像矩阵作为训练好的深度卷积网络的输入，输出该帧输入语音的子带清浊音分类结果，送入量化器进行编码传输；再对下一帧的输入语音进行上述处理，直至最后一帧的输入语音进行编码传输。

进一步的，通过所述FFT变换得到1024个幅值，并将1024个幅值排列为32*32的图像矩阵。

一种声码器子带清浊音判决的系统，包括数据获取模块、数据处理模块、深度卷积网络生成模块、子带清浊音分类结果输出模块；