[发明专利]用于助听器的边缘计算与云计算相结合的语音增强方法

说明书

本发明公开一种用于助听器的边缘计算与云计算相结合的语音增强方法，包括步骤：利用纯净语音数据与噪声数据，根据不同信噪比合成带噪语音，形成云计算用的语音数据；利用云计算用的语音数据训练神经网络，通过不断优化网络结构与网络各层参数，得到语音增强网络；将得到的语音增强网络应用于边缘设备助听器中进行边缘计算，获取实时语音预处理，输入语音增强网络，得到增益，然后将增益与带噪语音数据相运算，得到增强后的语音数据。本发明将云计算与边缘计算相结合，实现了数字助听器的语音增强。

技术领域

本发明属于助听器噪声消除算法以及音频信号处理技术领域，具体涉及用于助听器的边缘计算与云计算相结合的语音增强方法。

背景技术

听力损失是现今常见的几种慢性疾病之一，尤其多发于老年人。我国是世界上听力残疾人数最多的国家。据统计，我国的听力残疾人约2780万人，占全国残疾人的30％以上，而佩戴助听器是现阶段除药物治疗外最主要的治疗方式。

在助听器的使用过程中，会处于各种不同的环境中，助听器不可避免地会受到周边语音环境的影响，使得用户听到的语音信号的清晰度下降，极大地影响了助听器助听的功能。传统的助听器语音增强算法难以应对生活中较为常见的非平稳噪声,因此助听器的语音增强功能至关重要。

发明内容

本发明的目的是针对现有技术中存在的技术缺陷，而提供一种用于助听器的边缘计算与云计算相结合的语音增强方法，将云计算与边缘计算相结合，用于数字助听器的语音增强。

为实现本发明的目的所采用的技术方案是：

一种用于助听器的边缘计算与云计算相结合的语音增强方法，包括步骤：

利用纯净语音数据与噪声数据，根据不同信噪比合成带噪语音，形成云计算用的语音数据；

利用云计算用的语音数据训练神经网络，通过不断优化网络结构与网络各层参数，得到语音增强网络；

将得到的语音增强网络应用于边缘设备助听器中进行边缘计算，获取实时语音预处理，输入语音增强网络，得到增益，然后将增益与带噪语音数据相运算，与带噪语音的相位进行波形重构输出增强后的语音数据。

其中，利用语音数据训练神经网络的数据处理方法如下：

对语音数据特征提取，包括对语音数据分帧、加窗处理，得到语音数据分帧、加窗后的时域采样点数据；对时域采样点数据进行梅尔通道数划分；

计算每个梅尔通道语音数据的对数能量与增益，并作为神经网络的输入与输出，对所述神经网络进行训练。

其中，所述增益的计算方法如下：

G＝(Es/Ey)^1/2

其中，G为增益，Es为纯净语音的能量，Ey为带噪语音的能量，y(t)为带噪语音的幅度，s(t)为纯净语音的幅度，y(t)为带噪语音的幅度,N为语音数据的长度。

其中，所述梅尔通道数根据以下方法划分：

mi＝2840*i/n，

其中，n为总通道数；

Fs＝2fmax，

其中，Fs为信号的采样率，语音最大频率fmax为8KHz；

m＝1127Ln(1+f/700)，

其中，f为语音频率，m为对应的音高，梅尔范围为0-2840Mel，将该梅尔范围按照频段数平均划分，得到梅尔边界向量[0,m1,m2....mi,2840]。

其中，所述增强后语音数据获取公式如下：