[发明专利]一种基于人工智能的语音增强方法

权利要求书

1.一种基于人工智能的语音增强方法，其特征在于，包括以下步骤：

S1：训练数据预处理；提取音频数据的时域序列，对音频数据进行切片处理；

S2：模型训练和部署；建立GAN算法模型，根据音频数据模拟进行对抗式训练；将训练完成的GAN算法模型部署到机器的服务器中；

S3：模型测试；对测试数据中的带噪音频进行切片处理，在训练完成的GAN算法模型中进行数据除噪与音频重构，完成音频的语音增强；

S4：模型评估优化；采用多种方式对语音增强后的音频质量进行评估。

2.根据权利要求1所述的一种基于人工智能的语音增强方法，其特征在于，所述的GAN算法模型包括生成器G和判别器D；

生成器G模拟输入的真实音频数据分布的有效映射，生成与训练数据相关的新样本；

判别器D为二元分类器，判别器D的输入包括生成器G正在模拟的真实音频数据和生成器G模拟生成的新样本。

3.根据权利要求2所述的一种基于人工智能的语音增强方法，其特征在于，所述的对抗式训练为生成器G与判别器D的极大极小博弈，极大极小博弈的目标函数为：

其中，E()为损失函数；V()为目标函数；X为干净样本，X∈P_data(X)；Z为带噪样本，Z∈P_Z(Z)；为对生成器G损失函数进行最小化；为对判别器D损失函数进行最大化。

4.根据权利要求3所述的一种基于人工智能的语音增强方法，其特征在于，在所述的极大极小博弈的目标函数中增加约束条件变量，引导生成器G的生成过程和判别器D的判别过程，加入约束条件变量的目标函数为：

其中，y为约束条件变量。

5.根据权利要求2所述的一种基于人工智能的语音增强方法，其特征在于，所述的步骤S3包括以下步骤：

S31：测试数据预处理；对于测试数据中的带噪音频按照GAN算法模型的输入尺寸进行切片处理；

S32：数据去噪；将带噪音频切片输入训练完成的GAN算法模型，通过生成器G对其进行编码、解码，完成新样本的映射；

S33：音频重构；对于同一个带噪音频的切片，在全部经过生成器G的重构后，按原切分顺序进行拼接，得到和带噪音频采样点数一样的重构音频。

6.根据权利要求1所述的一种基于人工智能的语音增强方法，其特征在于，所述的训练完成的模型能够部署到机器的服务器中，或者通过移动介质进行移动。

7.根据权利要求1或6所述的一种基于人工智能的语音增强方法，其特征在于，对于所述训练完成的模型，根据部署环境的不同，利用部署环境的噪声数据对模型进行微调。

8.根据权利要求1或5所述的一种基于人工智能的语音增强方法，其特征在于，对于所述的训练数据中的音频数据运用滑动步长为16384*0.5，大小为16384*1的滑动窗口进行采样切片，不足部分补0；对于所述的测试数据中的带噪音频采用滑动步长为16384*1，大小为16384*1的滑动窗口进行采样切片，不足部分补0。

9.根据权利要求1所述的一种基于人工智能的语音增强方法，其特征在于，步骤S3中所述的多种方式包括语音识别引擎、人工听判和PESQ三种方式。