[发明专利]基于深度学习注意力机制的频带扩展方法及装置

权利要求书

1.一种基于深度学习注意力机制的频带扩展方法，其特征在于，包括：

基于窄带语音信号生成伪高频信号；

计算所述伪高频信号的功率谱能量；

通过预先训练好的逆滤波参数估计模型，获取所述伪高频信号功率谱能量对应的逆滤波参数；所述逆滤波参数估计模型为基于深度学习注意力机制，以伪高频信号的功率谱能量作为输入，逆滤波参数作为输出训练得到；

将所述逆滤波参数与所述伪高频信号的频谱相乘，得到相乘结果；

对所述相乘结果进行逆傅里叶变换和低通滤波处理，得到宽带信号。

2.根据权利要求1所述的基于深度学习注意力机制的频带扩展方法，其特征在于，所述逆滤波参数估计模型包括输入层、第一Dense层、第一GRU层、第二GRU层、Attention层、第二Dense层以及输出层；其中，所述第一Dense层接收所述输入层输出的数据，所述第一GRU层接收所述第一Dense层输出的数据，所述第二GRU层接收所述第一GRU层输出的数据，所述Attention层接收所述第一GRU层输出的数据和所述第二GRU层输出的数据，所述第二Dense层接收所述Attention层输出的数据和所述第一GRU层输出的数据。

3.根据权利要求1所述的基于深度学习注意力机制的频带扩展方法，其特征在于，所述逆滤波参数估计模型通过采用Adam训练策略和改进的loss函数训练得到，所述改进的loss函数为：

其中，x为期望的逆滤波参数，n为输入训练的总帧数，u为放缩因子，t表示期望的逆滤波参数对应的功率谱频率索引，h表示2kHz对应的频率索引，表示1～2kHz的能量总和。

4.根据权利要求2所述的基于深度学习注意力机制的频带扩展方法，其特征在于，所述Attention层的计算公式为：

score(h_k,h_q)＝h_k^TWh_q

其中，h_k为所述第一GRU层的输出、h_q为所述第二GRU层的输出，score(.)表示相关性得分，W为h_k和h_q的权重。

5.根据权利要求1所述的基于深度学习注意力机制的频带扩展方法，其特征在于，所述基于窄带语音信号生成伪高频信号，包括：

当检测到窄带语音信号时，对所述窄带语音信号进行上采样处理；

对上采样处理后的窄带语音信号进行分帧处理；

分别对分帧后的每一帧语音信号进行加窗处理；

分别对加窗处理后的每一帧语音信号进行快速傅里叶变换，获得每一帧语音信号的频谱；

根据每一帧语音信号的频谱分别估计每一帧语音信号的最高频率；

根据每一帧语音信号的最高频率分别确定其对应的谱平移的子带，并分别基于其最高频率向上填充频谱，直至频谱补充完成，得到每一帧语音信号的第二频谱；

对每一帧语音信号的第二频谱进行逆傅里叶变换，得到伪高频信号。

6.根据权利要求5所述的基于深度学习注意力机制的频带扩展方法，其特征在于，估计当前帧最高频率的方法包括：

计算设定频率范围内的平均功率谱能量，并取所述平均功率谱能量的1/N作为能量阈值，以估计当前帧的最高频率；其中，N大于1；

从所述设定频率范围的最高频率往下逐一检索，若检索到某一频率对应的功率谱能量大于所述能量阈值，则所述某一频率为所述当前帧的最高频率。

7.根据权利要求5所述的基于深度学习注意力机制的频带扩展方法，其特征在于，根据当前帧的最高频率确定其谱平移的子带，包括：

设最高频率为Q，取[Q-1000，Q]Hz范围的子带作为谱平移的子带。

8.根据权利要求6所述的基于线性性滤波的频带扩展方法，其特征在于，当将8kHz的窄带语音信号扩展成16kHz的宽语音带信号时，所述设定频率为2kHz～4kHz，所述N等于8。