[发明专利]一种基于膨胀因果卷积的语音降噪方法

权利要求书

1.一种基于膨胀因果卷积的语音降噪方法，其特征在于，所述方法包括以下步骤：

S1构建网络训练的音频训练集；

S2基于膨胀因果卷积，构建语音降噪网络模型并训练网络模型；

S3使用训练后的模型进行降噪。

2.如权利要求1所述的基于膨胀因果卷积的语音降噪方法，其特征在于，所述步骤S1中音频训练集包括以下音频数据：带噪音频数据以及与带噪音频数据对应的用于监督的纯净音频数据；所述音频数据的构建方法为：

S11采集纯净的音频信号和噪声信号；

S12将纯净的语音音频信号和噪声信号混合，得到带噪声的语音音频信号。

3.如权利要求1所述的基于膨胀因果卷积的语音降噪方法，其特征在于，所述步骤S2中语音降噪网络模型的构建具体包括：

S21基于膨胀因果卷积，设计卷积层；

S22通过门激活单元替代深度神经网络中常见的单一激活函数，进行非线性转换；

S23将多个膨胀卷积模块组成网络隐含层，其中，每个膨胀卷积模块由膨胀卷积层、门激活单元和1*1卷积层组成；在膨胀卷积模块中，数据进行膨胀卷积后经过门单元激活，最后1*1的卷积核完成维度的调整；

S24每个膨胀卷积模块的输出加和后输入到输出层中，经过RuLU函数的激活，以及softmax的运算，得到预测概率，预测概率最大的即为预测值。

4.如权利要求1所述的基于膨胀因果卷积的语音降噪方法，其特征在于，所述步骤S3具体包括：

S31对待处理的音频信息进行预处理；

S32预处理后的音频信息通过模型的运算，得到降噪后的音频信息。

5.如权利要求2所述的基于膨胀因果卷积的语音降噪方法，其特征在于，所述纯净的音频信号采集于TIMIT数据库以及与录音室中录制的纯净不带噪声的语音音频信号，噪声信号同样采集于TIMIT数据库以及录制的噪声音频信号。

6.如权利要求2所述的基于膨胀因果卷积的语音降噪方法，其特征在于，所述纯净的语音音频信号和噪声信号混合的合成方法包括单噪声合成和多噪声合成。

7.如权利要求3所述的基于膨胀因果卷积的语音降噪方法，其特征在于，所述每个膨胀卷积模块运用了残差学习，且每个膨胀卷积模块将处理完后的数据输送到下一膨胀卷积模块。

8.如权利要求3所述的基于膨胀因果卷积的语音降噪方法，其特征在于，所述预测值与纯净音频信号中对应的监督值计算交叉熵，更新网络的参数。