[发明专利]一种基于心理声学模型的LSTM语音增强方法

权利要求书

1.一种基于心理声学模型的LSTM语音增强方法，其特征在于：包括以下步骤：

S1.对输入的PCM信号进行VAD处理，判断其是否为语音信号；

S2.如是语音信号，对语音信号进行特征处理，得到特征信号；

S3.将特征信号经过心理声学模型处理，得到声学特征信号；

S4.将声学特征信号经过LSTM网络处理，得到增强语音信号；

S5.对增强语音信号做ASR处理，实现语音识别。

2.如权利要求1所述的LSTM语音增强方法，其特征在于，所述步骤S2具体包括以下步骤：

S201.对输入的PCM语音信号进行加窗处理，得到帧长度为的语音帧信号，其中，为窗函数，为时间索引；的数量由语音信号长度决定；

S202.对帧长为的语音帧信号做点的快速傅里叶变换，得到长度为的频域信号，其中为帧索引，；为频率索引，;

S203.计算长度为的频域信号中各个频点的功率谱：

；

其中，，为信号的采样频率，表示取模；

S204.计算频域信号中前个点的功率谱，即频域信号的功率谱为：

；N为帧长；

其中，功率谱即为特征信号。

3.如权利要求2所述的LSTM语音增强方法，其特征在于，所述窗函数是分段函数，在时，为非零值；在为其他时，为0。

4.如权利要求1所述的LSTM语音增强方法，其特征在于，所述步骤S3包括以下子步骤：

S301.根据特征信号计算语音信号的声压级：

频率为的声压级；

声压级；

其中为基准声压级；为频率索引，log为对数符号，与的单位均为；

S302.将语音信号的声压级输入心理声学模型中，计算其全局掩蔽阈值；

S303.将声压级低于全局掩蔽阈值的频点所对应的功率谱置为0，得到声学特征信号。