[发明专利]基于生成对抗网络的语音私密度掩蔽信号生成方法及系统

权利要求书

1.基于生成对抗网络的语音私密度掩蔽信号生成方法，其特征是，包括：

生成随机噪声信号；

将随机噪声信号输入到训练后的生成对抗网络中，训练后的生成对抗网络的生成器，生成保护语音私密度的掩蔽信号，所述掩蔽信号为类语音信号；

所述训练后的生成对抗网络的训练步骤包括：

构建训练集；所述训练集为目标类语音库；

将随机噪声信号输入到生成器中，得到生成器生成的类语音信号；

将生成的类语音信号和目标类语音库中的类语音信号，同时输入到鉴别器中，鉴别器输出生成的类语音信号为目标类语音信号的概率，通过生成器与鉴别器的博弈，提升生成器生成的类语音信号逼近目标类语音信号的能力，最后得到训练后的生成对抗网络。

2.如权利要求1所述的基于生成对抗网络的语音私密度掩蔽信号生成方法，其特征是，所述训练后的生成对抗网络的详细步骤包括：

对生成器进行初始化，得到初始化的生成器；

对鉴别器进行初始化，得到初始化的鉴别器；

对生成器与鉴别器的权值进行优化；

重复对生成器与鉴别器的权值进行优化步骤，判断是否达到设定迭代次数，如果达到，就停止训练，得到训练后的生成对抗网络；如果未达到，则继续训练；

对生成器进行初始化，得到初始化的生成器；具体步骤包括：

单独取出随机噪声，对所取出的随机噪声进行维度调整；

确定二维卷积卷积核尺寸、步长、填充方式，进行二维卷积后调整维度，对每一层的卷积结果使用激活函数；将二维卷积结果与尺寸大小相同的高斯噪声进行拼接；对拼接结果，进行二维反卷积，每个反卷积层的反卷积结果使用激活函数；

对最后一层输出值使用激活函数，得到生成的类语音信号；

对鉴别器进行初始化，得到初始化的鉴别器；具体步骤包括：

将目标类语音定义为初始w序列；

创建一个与初始w序列相同维度和相同尺寸的高斯噪声序列，并且将高斯噪声序列与初始w序列相加得到第一w序列；

调整第一w序列的维度；确定二维卷积层的卷积核尺寸、步长、填充方式，对第一w序列二维卷积并对卷积后生成的w序列进行虚拟批量标准化，对批量标准化的结果使用激活函数，经过十一次二维卷积得到第二w序列；

将第二w序列进行一维卷积随后送入全连接层，得到输出概率值为接近1的真数据的概率。

3.如权利要求1所述的基于生成对抗网络的语音私密度掩蔽信号生成方法，其特征是，所述生成随机噪声信号步骤之后；所述将随机噪声信号输入到训练后的生成对抗网络中，训练后的生成对抗网络的生成器，生成保护语音私密度的掩蔽信号步骤之前，还包括：

对目标类语音信号进行预处理；

其中，所述对目标类语音信号进行预处理；具体包括：

对待目标类语音信号进行预加重处理；

对预加重处理后的待处理信号进行数据归一化处理。

4.如权利要求1所述的基于生成对抗网络的语音私密度掩蔽信号生成方法，其特征是，构建训练集；所述训练集为目标类语音库；具体步骤包括：

将THCHS30数据集中数据整合为tfrecords文件，文件中的目标类语音数据被标记成wav类；

确定生成对抗网络的优化器，同时将tfrecords文件目标类语音从tfrecords文件中读取出来；

改变目标类语音幅值大小，同时对其实施0.9～1范围内的预加重；

将目标类语音放入队列，每次取出所需的目标类语音与由程序生成的随机噪声。