[发明专利]一种语音中瞬态噪声的抑制方法

说明书

一种深度复值U‑Net网络的瞬态噪声抑制方法，解决了传统方法在低信噪比下语音可懂度低、语音信号失真大的问题，属于语音增强领域。本发明包括：根据时频域语音信号，通过语音存在概率、阈值确定瞬态噪声所在时间段；建立改进的深度复值U‑Net网络的瞬态噪声抑制模型，改进的深度复值U‑Net网络模型总共有十一个卷积块，五个编码块，五个解码块，一个专注力块；最后将得到的瞬态噪声时域段送入到深度复值U‑Net网络模型中进行增强，然后把得到的增强结果插回到原序列中得到增强语音；本方法把深度学习应用于瞬态噪声的抑制，极大地提高了语音的可懂度。

技术领域

本发明涉及一种基于语音存在概率的瞬态噪声定位与改进的DCU-Net结合的瞬态噪声抑制方法，属于语音增强领域。

背景技术

语音是人们日常交流的主要手段，但是现实生活中的声音信号总是夹杂着各种各样的噪声，这些噪声有时候会严重影响语音的质量，降低语音的清晰度和可懂度。瞬态噪声已经慢慢的引起了许多学者的关注，主要原因是瞬态噪声在特定时间段包含了。大量的能量，在时域上与语音信号完全重叠，中强程度的瞬态噪声可以对语音信号造成淹没性的干扰，导致在输出端不能对有用信号进行很好的提取。

瞬态噪声的能量主要集中在它的低频部分，发生的概率也比其它噪声要低得多。虽然噪声抑制已经被研究了很多年，也比较成熟，但是大多数传统的语音增强算法都是针对连续的稳态干扰而设计的，对瞬态噪声的抑制效果很小。为非平稳噪声抑制设计的一些算法对瞬态噪声的抑制虽然有一定效果，但是绝大多数处理后的语音信号遭到破坏，结果令人不满意。

1964年首次提出来了语音信号中脉冲噪声抑制的问题，报告了脉冲噪声对于语音通话质量的危害和一些典型的特征，认为从数字化语音中去除脉冲噪声问题是一个参数估计的问题。谱减法是最早的语音去噪算法，由于噪声的功率谱估计并不准确，就会引入音乐噪声，所以对于像非稳态的瞬态噪声抑制能力并不理想。随着时间的推移，用于处理图像椒盐噪声的中值滤波被提了出来，同时被应用于语音中脉冲噪声的抑制问题，中值滤波器是一种信号相关滤波器，它能去除信号中快速变化分量，同时保留输入信号的缓慢变化分量。也正是由于这种特性，它可能会使语音快速变化的区域失真。

伴随着多尺度多分辨率特点的小波时频域局部分析方法的兴起，又有人又把小波算法引入到了语音去噪的问题中来，引起了众多学者的关注。例如，Nongpiur等人通过语音的时变缓慢特性和Lipschitz规律性来识别和抑制脉冲噪声的小波系数，降低了脉冲噪声，但是瞬态噪声的频域分布和语音重叠，因此这种方法并不适合瞬态噪声的抑制问题。2012年Hirszhorn等人提出了一种基于最优改进对数谱幅度估计(Optimally-Modified-LogSpectral-Amplitude,OM-LSA)的瞬态噪声抑制方法，该方法根据估计瞬态噪声的功率谱密度，设计OM-LSA滤波器进行语音增强。OM-LSA算法相比较其它抑制算法有较少的音乐噪声残留，因此也逐渐应用于工程领域用于抑制非稳态噪声，但是泛化能力差依然是此算法的一个短板。近几年由于深度学习的兴起，学者们又开始把深度学习算法应用于语音中噪声的抑制，比如Williamson等人通过深度神经网络估计复值理想比率掩膜的实部和虚部，极大地提高了语音可懂度。由此可见，相比于传统方法，深度学习泛化能力强、语音的增强效果也要好于传统方法，但运用深度学习处理瞬态噪声仍然是一个很大的挑战。

根据上述分析可知，对于瞬态噪声的抑制问题还是以传统方法居多，不过抑制效果不理想，深度学习已经广泛应用于语音增强之中，但是将深度学习运用在瞬态噪声抑制上的研究几乎没有。怎样才能更好的定位到瞬态噪声的位置、怎样提高受瞬态噪声污染的语音信号的强度而减少语音失真等，仍有很大的技术瓶颈有待突破。

发明内容

针对传统的语音增强算法对瞬态噪声抑制能力差、语音失真度大的问题，本发明提供一种提高瞬态噪声抑制能力和减少语音失真的基于深度复值U-Net的语音降噪方法。

本发明的一种语音中瞬态噪声的抑制方法，所述方法包括：