[发明专利]一种基于深度学习的空中管制语音降噪方法

权利要求书

1.一种基于深度学习的空中管制语音降噪方法，其特征在于，包括以下步骤：

S1：获取待降噪音频，将其转换为16bit 、16kHz的脉冲编码调制（PCM）音频数据；

S2：将S1生成的PCM音频数据通过短时傅里叶变换（STFT）由时域转换为频域；

操作如下： 首先将S1生成的PCM音频数据进行分帧加窗处理，然后对每帧数据进行短时傅里叶变换处理之后，就完成了音频从时域到频域的转换，生成待降噪频谱信息；同时，对进行短时傅里叶变换时分离得到的相位信息进行保留，用于后续操作；

S3：建立深度网络模型；

S4：建立空管音频训练数据集和标签数据集；

首先，选取信噪比良好的空管音频和原始空管噪音，将信噪比良好的空管音频进行预处理，得到标签数据集；

然后，对空管音频进行随机加噪处理，将上述信噪比良好的空管音频与原始空管噪音随机加噪合成，得到拟合真实情况的空管音频训练数据集；

S5：利用步骤S4生成的训练数据集训练深度网络模型得到降噪模型；

S6：将步骤S2生成的待降噪频谱信息输入上述降噪模型，得到降噪后的频谱信息，并将降噪后的频谱信息与步骤S2分离得到的相位信息进行点积操作，然后通过逆短时傅里叶变换（ISTFT）生成降噪音频。

2.根据权利要求1所述的一种基于深度学习的空中管制语音降噪方法，其特征在于，

上述步骤S1所述的待降噪音频，为已经切分好长度不超过16s的音频片段。

3.根据权利要求1所述的一种基于深度学习的空中管制语音降噪方法，其特征在于，

步骤S2中对数据进行分帧加窗处理，包括：分帧处理，设置10ms为一帧，并且在最后一帧处加1作为补偿帧，保留音频边界信息；采用汉明窗加窗处理，窗口长度设为512以便计算；其中帧移设为128，相邻帧之间拥有重叠部分，这会进一步保证音频信号的数据完整性。

4.根据权利要求1所述的一种基于深度学习的空中管制语音降噪方法，其特征在于，

步骤S3中所述的深度网络模型为多层采样结构，每个采样层都包括下采样和上采样，多层下采样由上向下从第一层依次向最后一层传递数据，多层上采样由下向上从第一层依次向最后一层传递数据，第一层下采样与最后一层上采样处于同层，最后一层下采样与第一层上采样处于同层，在每个采样层之间都有长连接层进行特征提取，同层上采样和下采样的输出数据的维度相同；

将经过短时傅里叶变换的音频信息输入到神经网络模型中，先经过若干个下采样模块，完成下采样的过程；然后经过若干个上采样模块，完成上采样过程，最后由1*1的卷积模块进行全连接操作，对提取的特征数据进行处理，生成降噪音频。

5.根据权利要求4所述的一种基于深度学习的空中管制语音降噪方法，其特征在于，

所述上、下采样模块均为深度卷积模块；下采样模块包含卷积模块，池化层和激活函数层，并使用正则层对特征进行归一化处理；上采样模块包含上采样操作（Upsample），卷积模块，激活函数层，正则层，采用双线值插法补全上采样信息，保持音频数据的平滑性；

激活函数层采用ReLU激活函数进行非线性处理，用来增加神经网络的非线性表达，正则层对数据进行正则化处理，可以加快模型收敛速度，防止随着神经网络层数的增加而产生的梯度爆炸或者梯度消失。