[发明专利]一种在双变换域上的单通道语音分离方法

说明书

本发明提供一种在双变换域上的单通道语音分离方法，对每一个说话人的训练语音做双树复数小波变换得到一组子带信号，对每一个子带信号做短时傅里叶变换得到其时频谱，并利用稀疏非负矩阵分解方法获得该语音的基矩阵；对多个说话人的混合语音做双树复数小波变换和短时傅里叶变换，获得每个子带信号时频谱，提取其幅度，并在各个说话人语音的基矩阵上分解得到相应的权矩阵，通过各个说话人语音的基矩阵和权矩阵，得到该子带各个语音时频谱幅度的初始分离，进一步利用掩码得到该子带各个语音时频谱的最终估计，做短时傅里叶逆变换和双树复数小波逆变换，得到分离后的各个语音信号。

技术领域

本发明涉及语音分离领域，尤其涉及一种在双变换域上的单通道语音分离方法。

背景技术

在人们的交流活动中，语音发挥着主导作用。针对对话和讨论场景，人耳和相关智能装 置收到的是多个说话人的混合语音，语音的质量和可懂度会有明显的下降，影响了人们的主 观听觉感受和智能装置的语音识别率，也会影响智能会议系统的转写性能。语音分离技术就 是解决这类问题的主要方法。如何从混合语音中分离出各个语音一直都是信号处理领域的热 点问题。近年来研究者相继提出了一些在短时傅里叶变换域基于非负矩阵分解的单通道语音 分离算法，这些算法利用各个说话人语音在时频域上的稀疏特性，通过学习训练数据样本的 结构特征并构造相应的基矩阵，将混合语音在基矩阵上分解，获得相应的权系数，进而分离 出各个语音。但大多数算法只利用了单通道语音时频谱的幅度，语音分离性能就受到了一定 限制。

发明内容

本发明的目的是提供一种在双变换域上的单通道语音分离方法，将双树复数小波变换应 用于每一个说话人语音信号得到一组子带信号，对每个子带信号进行短时傅里叶变换得到其 时频谱，通过稀疏非负矩阵分解方法分别学习各个语音时频谱的幅度特征，得到相应的基矩 阵；针对多个说话人混合语音信号，通过双树复数小波变换将其分解为一组子带信号，对每 个子带信号进行短时傅里叶变换，获得时频谱，将时频谱的幅度在各个语音基矩阵上分解， 得到相应的权矩阵，利用每个语音的基矩阵和权矩阵，得到其时频谱幅度的初始分离结果， 采用掩码得到时频谱的最终分离，最后通过短时傅里叶逆变换和双树复数小波逆变换获得时 域语音信号的分离结果。

本发明的目的是通过以下技术方案实现的：一种在双变换域上的单通道语音分离方法， 包括：

训练阶段，对于多个说话人，构建每一个说话人语音的训练数据集；针对语音训练数据 集的每一个说话人语音，用双树复数小波变换将语音信号分解为一组子带信号，对每个子带 信号进行短时傅里叶变换，获得时频谱，通过稀疏非负矩阵分解方法分别学习各个语音时频 谱的幅度特征，得到相应的基矩阵；

检测阶段，针对多个说话人混合语音信号，用双树复数小波变换将语音信号分解为一组 子带信号，对每个子带信号进行短时傅里叶变换，获得时频谱，将时频谱的幅度在各个语音 基矩阵上分解，得到相应的权矩阵，利用每个语音的基矩阵和权矩阵，得到其时频谱幅度的 初始分离结果，采用掩码得到时频谱的最终分离，最后通过短时傅里叶逆变换和双树复数小 波逆变换获得时域语音信号的分离结果。

本发明与现有技术相比的优点在于：

由上述本发明提供的技术方案可以看出，用双树复数小波变换将单通道语音信号分解成 一组子信号，接着用短时傅里叶变换将每个子带信号变换成时频谱，稀疏非负矩阵分解方法 具有分解的非负性和稀疏性，综合利用以上几点，增加了信号的时频表征能力和各个语音的 区分性，使得分离后的语音信号的质量得到了提升。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图 作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的 普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种在双变换域上的单通道语音分离方法的流程图。