[发明专利]一种跳变连接深度神经网络的语音增强方法

权利要求书

1.一种跳变连接深度神经网络的语音增强方法，其特征在于，所述方法包括：

S1、根据时域语音信号，提取时频域特征；

S2、确定训练目标，并将训练目标和提取的时频域特征送入到Skip-DNN模型中，进行训练，得到Skip-DNN语音增强模型；

所述Skip-DNN模型包括输入层、隐藏层和输出层，输入层、隐藏层和输出层之间采用跳变连接；第一模块包括两个隐藏层，第二个隐藏层节点数与输入层的节点数相同；

第二模块、第三模块与第一模块结构相同，第四模块仅有一层隐藏层，该隐藏层的节点数与输入层的节点数相同；

S3、提取带噪语音特征，将其输入到Skip-DNN语音增强模型中，估计目标语音；

S4、将目标语音与带噪语音合成，得到增强的纯净语音信号。

2.根据权利要求1所述的语音增强方法，其特征在于，所述第一模块至第三模块均还包括丢弃算法Dropout层，在第一模块中Dropout层设置在两个隐藏层之间，Dropout层在Skip-DNN模型的前向传播过程中按照比例让隐藏层的节点值为0。

3.根据权利要求1或2所述的语音增强方法，其特征在于，所述S1和S3中提取的特征为耳蜗图。

4.根据权利要求2所述的语音增强方法，其特征在于，所述第一模块的第一个隐藏层获得的估计值为a⁽¹⁾：

其中，n表示第一个隐藏层节点数，m表示输入的节点数，max(x,0)表示非线性激活函数ReLU，[y₁,…,y_m]表示输入m维的带噪语音信号，为第一个隐藏层的权重，[b₁,…,b_n]为第一个隐藏层的偏置；

所述第一模块的第二个隐藏层获得的估计值为a⁽²⁾：

其中，为第二个隐藏层的权重，[b₁,…,b_n]为第二个隐藏层的偏置；

第一模块输出的估计值为：

。

5.根据权利要求2所述的语音增强方法，其特征在于，所述S2中，训练目标为时频掩蔽IRM，IRM∈[0,1]，表示纯净语音能量在混合语音能量中所占的比重，IRM为：

其中，|S(t,f)|²表示在时频域中纯净语音的能量，|N(t,f)|²表示噪音的能量，β为尺度因子，t表示时间，f表示幅值。