[发明专利]一种单信道目标语音增强方法

说明书

本发明提供一种单信道目标语音增强方法，包括如下步骤：步骤一：语音信号的预处理与特征转换，引入时间潜在域信息，将时序波形信息通过深度学习框架拓展映射到对应潜在空间域的过程及其逆向变换；步骤二：基于生成信号权重的目标函数；步骤三：引入时序TCN网络模型；本发明网络能实现从混合源语音到目标语音信号的端到端处理，网络的增强性能优秀，能良好还原目标语音信号，同时提升了数据处理的并行处理能力，并能通过自身的数据增广丰富样本集，提升模型性能。

技术领域

本发明涉及一种基于单信道目标语音增强方法，尤其涉及一种基于可度量生成对抗网络和时序TCN模型的单信道目标语音增强方法。

背景技术

声音是人类完成沟通交流和情感表述的重要途径，人类社会中人与人借助声音沟通的固定模式被称为语音对话。随着现代社会的发展，对话的方式不再局限于面对面的交谈，电子信息技术为远距离跨时域的会话提供有力支撑，语音信号的质量与可懂度直接关系到用户交互过程的顺利与否。

在长期的演化中，接收的语音信号质量和可懂度越高，人类听觉系统的反馈处理越迅速，理解越精准。人类听觉系统演化出了识别多源声音信号的功能，能识别可懂度复杂环境下的语音信号。然而，对于计算机来说，要把一个音频信号分解成多个不同的语音源信号，依然有许多棘手的问题需要解决。例如，在鸡尾酒会中人类能够分辨人耳接收到的声音信号，判断出哪些是乐器演奏的声音，哪些是酒杯碰撞的声音，哪些是同伴交谈的声音。

但这种功能的实现对于电子信息系统而言是十分困难的，计算机难以在这类场景中识别出特定目标语音信号源发出的语音信号，或者说，计算机本身不具备像人类听觉神经系统一样的过滤选择机制来过滤出所需要的目标语音信号源发出的语音信号。如何能够让计算机获得像人类听觉神经系统那样通过主动过滤选择来提取目标语音信号的能力，就是语音增强研究致力解决的问题，这个问题被形象地称为鸡尾酒会问题。

鸡尾酒会问题中，非目标信号种类复杂，既可以是平稳的规则信号，又可以是非平稳的不规则信号，这些无益于交互过程的非目标信号与目标语音信号产生混叠，产生了实际场景中的混合源语音信号。混合源语音信号的能量幅度信息明显区别于目标语音信号，混杂的背景音或是其他说话人的语音信号会严重干扰交互过程语音信号的可懂度。电话会议、智能汽车等语音交互场景如不能实现对目标语音信号的增强，远程会议将无法保证议题有效传达与反馈，智能汽车对于非目标指令的错误识别极有可能造成重大安全问题。

研究单信道的语音信号增强，可以为求解鸡尾酒会问题提出一个有效解，实现计算机对特定目标语音信号的有效判别。能够有效提高语音信号传递的质量和可懂度，消除客观因素造成的语音信号的带噪现象。在医学领域，单信道语音信号增强可以应用在助听设备和人工耳蜗的开发设计中，在声音信号被放大前进行增强处理，提取高质量高可懂度的语音信号，进而能够减少患者听觉神经系统的不适感。得益于语音增强在医学方面的应用，听力障碍人群可以借助搭载增强算法的助听设备辅助功效衰退的听觉神经系统，重新获得对外界声音的有效感知。语音增强的研究也可被视为人类对自身听觉神经系统的一种仿真模型，生物学中人类听觉系统的认知和探索也能参考语音增强研究提出的种种算法形成有科研价值的积极正反馈。

此外，单信道的目标语音信号增强还可以作为语音识别技术，说话人识别技术的预处理过程。在语音识别技术、说话人识别技术中应用单信道语音信号增强技术可以排除非目标源噪声信号可能带来的干扰，使得这些方法能够获得更准确的语意特征，从而达到提高其识别精准度的目的。可以说语音信号增强研究，尤其是单信道的语音信号增强研究在计算机听觉领域是具有重要意义的一类基础研究工作，对各个相关领域的研究与探索都有着不可忽视的价值。

发明内容

本发明的目的是为了解决实际场景中需求的目标说话人语音混杂的噪声及混合源语音造成的干扰而提供一种基于单信道目标语音增强方法。

本发明的目的是这样实现的：

一种单信道目标语音增强方法，包括如下步骤：