[发明专利]一种单通道语音同时降噪和去混响系统

说明书

本发明公开了一种单通道语音同时降噪和去混响系统，包括：语音降噪模块、语音去混响模块和联合训练模块，语音降噪模块利用深度聚类算法训练深度嵌入式特征提取器，从混合的语音信号中提取深度嵌入式特征，将输入的混合语音映射到一个没有噪声的嵌入式空间中，因此深度嵌入式特征不包含噪声，且对混响和直达声区分性很大；语音去混响模块与语音降噪模块连接，将混响语音信号从深度嵌入式特征中去除，估计出干净目标的直达声，从而实现语音降噪和去混响的目的；联合训练模块分别与语音降噪模块和语音去混响模块连接，用于联合优化语音降噪和语音去混响模块，提升增强后语音的质量和可懂度。

技术领域

本发明涉及信号处理技术领域，尤其是涉及了一种单通道语音同时降噪和去混响系统。

背景技术

语音作为人类交流信息的主要手段之一，语音降噪和去混响一直在语音信号处理中占据着重要的地位。在真实环境中，语音信号往往会同时包含混响和噪声，会严重影响语音的质量和可懂度，同时对语音识别和声纹识别系统的性能影响也比较大。因此，语音去混响和降噪就显得很重要。为了解决语音去混响问题，在过去的多年很多方法也被提出来。加权预测误差(WPE)算法在信号层面处理语音去混响，即延时线性预测。WPE首先通过多个历史帧得到与频率相关的线性预测滤波器。然后在子带域从原始混响信号中减去滤波后的信号，得到增强信号。但是，当噪声和混响同时存在时，WPE算法的性能会受到严重的影响，制约着该方法的应用。

近年来，随着计算机技术的发展，基于深度学习的语音去混响方法得到了很大的发展，受到了越来越多人的关注。基于深度学习的语音去混响方法通过训练语音去混响模型，建立混合语音特征参数与目标干净语音信号的特征参数之间的映射关系，这样对于任意输入的混合语音信号都可以通过建立的去混模型来输出目标干净语音信号，从而达到语音去混响的目的。但是采用这些方法仅仅使用幅值谱作为特征，不具有区分性，限制着语音去混响的性能。在语音同时包含噪声和混响的情况下，增强后的语音音质无法保证。

发明内容

为解决现有技术的不足，实现在语音同时包含噪声和混响的情况下，仍能保持增强后的语音有较高音质目的，本发明采用如下的技术方案：

一种单通道语音同时降噪和去混响系统，包括：语音降噪模块、语音去混响模块和联合训练模块，语音降噪模块利用深度聚类算法训练深度嵌入式特征提取器，从混合的语音信号中提取深度嵌入式特征，将输入的混合语音映射到一个没有噪声的嵌入式空间中，因此深度嵌入式特征不包含噪声，且对混响和直达声区分性很大；语音去混响模块与语音降噪模块连接，将混响语音信号从深度嵌入式特征中去除，估计出干净目标的直达声，从而实现语音降噪和去混响的目的；联合训练模块分别与语音降噪模块和语音去混响模块连接，用于联合优化语音降噪和语音去混响模块，提升增强后语音的质量和可懂度。

所述语音降噪模块对输入的混合语音信号进行短时傅里叶变换，将时域信号变换到频域信号后，对其进行建模，利用深度聚类算法提取深度嵌入式特征，将输入的混合语音映射到一个没有噪声的嵌入式空间中，深度嵌入式特征利用深度神经网络训练得到，语音降噪模块的训练损失目标函数为：

V是深度嵌入式特征，表示实数，TF是经过傅里叶变换后的时频块，B是每一个时频块直达声和混响的对应关系，表示平方Frobenius范数，从而达到语音降噪的目的。

所述语音去混响模块利用深度神经网络实现，网络的输入为深度嵌入式特征，输出为估计的目标浮点掩蔽值，公式如下：

是估计的目标浮点掩蔽值，语音去混响模块的训练损失目标函数为：

|Y(t，f)|是混合语音的幅值谱，|X(t，f)|是目标干净直达声的幅值谱，利用输入的混合语音的幅值谱|Y(t，f)|与估计的目标浮点掩蔽值进行逐点乘积，得到估计的目标干净直达声的幅值谱，在估计的目标干净直达声的幅值谱和目标干净直达声的幅值谱之间计算均方误差。