[发明专利]一种语音端点检测模型的训练方法及语音降噪方法

权利要求书

1.一种语音端点检测模型的训练方法，其特征在于，所述语音端点检测模型基于神经网络模型，其用于对带噪语音进行端点检测，所述语音端点检测模型包括输入层、多个隐层以及输出层，至少有一个隐层包括GRU层和/或LSTM层；

所述训练方法包括以下步骤：

S1、对纯净语音信号进行预处理和端点检测，以得到语音帧和静音帧的真实标签值；

S2、在带有标签值的纯净语音信号中加入噪声信号，得到带噪语音信号，其包含对应纯净语音信号端点检测后的真实标签值；

S3、提取所述带噪语音信号的fbank特征、MFCC特征、谱熵特征、倒谱距离特征、PLP特征中的一种或多种，以得到所述语音端点检测模型输入的特征值；

S4、将所述特征值输入至所述输入层，所述隐层依据所述特征值对所述带噪语音信号进行分类，以得到语音帧和纯噪声帧的估计标签值，并通过所述输出层进行输出；

S5、对所述估计标签值与所述真实标签值进行损失函数计算，根据计算结果以优化所述语音端点检测模型的模型参数。

2.根据权利要求1所述的语音端点检测模型的训练方法，其特征在于，所述隐层包括第一隐层、第二隐层和第三隐层，所述第一隐层包括全连接层和tanh激活函数层，所述第二隐层包括ReLU激活函数层，第三隐层包括全连接层和sigmoid激活函数层，

所述第二隐层还包括GRU层，所述特征值依次经过全连接层、tanh激活函数层、GRU层、ReLU激活函数层、全连接层、sigmoid激活函数层处理，以得到语音帧和纯噪声帧的估计标签值；

和/或，

所述第二隐层还包括LSTM层，所述特征值依次经过全连接层、tanh激活函数层、LSTM层、ReLU激活函数层、全连接层、sigmoid激活函数层处理，以得到语音帧和纯噪声帧的估计标签值。

3.根据权利要求2所述的语音端点检测模型的训练方法，其特征在于，所述隐层还包括优化隐层，所述优化隐层位于所述第一隐层和第二隐层之间。

4.根据权利要求3所述的语音端点检测模型的训练方法，其特征在于，

所述优化隐层包括GRU层和tanh激活函数层，所述第一隐层的输出依次经GRU层和tanh激活函数层处理至所述第二隐层；

和/或，

所述优化隐层包括全连接层和ReLU激活函数层，所述第一隐层的输出依次经全连接层和ReLU激活函数层处理至所述第二隐层。

5.根据权利要求3或4所述的语音端点检测模型的训练方法，其特征在于，所述优化隐层包括全连接层层和tanh激活函数层，所述第一隐层的输出依次经全连接层和tanh激活函数层处理至所述第二隐层。

6.根据权利要求5所述的语音端点检测模型的训练方法，其特征在于，所述优化隐层的输出与第一隐层的输出合并后输出至所述第二隐层。

7.根据权利要求1所述的语音端点检测模型的训练方法，其特征在于，步骤S1中对纯净语音进行预处理包括以下步骤：

S101、对输入的语音信号进行升采样或者降采样；

S102、消除采样得到的语音信号的直流分量，并进行幅值归一化处理；

S103、对步骤S102处理后语音信号进行分帧加窗处理；

S104、利用傅里叶变换，将分帧加窗后的语音信号从时域转换到频域进行输出。

8.一种语音降噪方法，其特征在于，包括以下步骤：

P1、将带噪语音进行信号预处理后输入权利要求1-7中任一项所述的语音端点检测模型，得到语音帧和纯噪声帧的估计标签值，从而得到纯噪声帧数目，以计算噪声帧能量；

P2、根据得到语音帧和纯噪声帧的估计标签值，计算先验信噪比的初始值，以及各语音帧对应的后验信噪比和先验信噪比；

P3、计算维纳滤波的增益函数并利用其对语音帧信号进行降噪；

P4、利用逆傅里叶变换，将降噪后的语音帧信号从频域转换到时域；

P5、将转换后的语音帧信号合并，以得到降噪后的语音信号。