[发明专利]一种语音分离方法及装置

权利要求书

1.一种语音分离方法，其特征在于，包括以下步骤：

获取混合语音信号；

对所述混合语音信号进行预处理，提取出所述混合语音信号的幅度谱x_t以训练分离网络；

利用所述分离网络生成训练数据；

利用所述训练数据训练优化网络Q；

利用所述分离网络和训练好的优化网络Q对所述分离网络进行再次训练；

所述利用所述分离网络生成训练数据，包括：

调用预先训练好的分离模型h_t；

利用多个混合语音信号的幅度谱组成训练集；

通过所述训练集获取序列H＝{h₁，h₂，......h_n}，其中，所述h₁，h₂，......h_n为在所述混合语音信号里出现的其他幅度谱；

计算所述序列H对应的SDR得分q(H)，获取所述优化网络Q的训练样本({x_t,S(x_t)},q(H))；

所述利用所述训练数据训练优化网络Q，包括：

获取预设数量的所述训练样本({x_t,S(x_t)},q(H))作为训练数据；

使用均方误差函数利用所述训练数据训练所述优化网络Q；

其中，所述优化网络Q使用卷积神经网络将所述x_t和所述S(x_t)表示为向量，然后将所述x_t和所述S(x_t)进行拼接，通过多层感知机预测最终q(H)；

所述利用分离网络和训练好的优化网络Q对所述分离网络进行再次训练，包括：

利用下列公式将所述优化网络Q整合到语音分离的损失函数中：

其中，所述l_mse()为均方误差函数，所述Q_target为期望的评价指标值，所述Q(x_t,S(x_t))为当前的评价值。

2.根据权利要求1所述语音分离方法，其特征在于，所述对所述混合语音信号进行预处理，提取出所述混合语音信号的幅度谱x_t以训练分离网络，包括：

对所述混合语音信号进行预设时长傅里叶变换，得到所述幅度谱x_t；

将所述幅度谱x_t进行归一化处理后传输给神经网络；

定义S()为分离网络，输入所述幅度谱x_t，通过所述神经网络对所述幅度谱x_t提取语音特征，输出预测的掩蔽值，进而得到所述掩蔽值的幅度谱S(x_t)；

通过最小化均方误差l_mse(S(x_t),y_t)训练所述分离网络，其中所述l_mse()为均方误差函数，所述y_t表示说话人纯净语音的幅度谱。