[发明专利]一种基于表征学习的深度学习语音增强方法

权利要求书

1.一种基于表征学习的深度学习语音增强方法，其特征在于，包括如下步骤：

1)确定AE中NN编码器每一输出层的单元数，神经网络译码器与神经网络编码器是对称的，以此神经网络译码器各输出层的单元数，进行预训练和微调；

2)将训练好的NN编码器模块连接到DNN的输入层，利用神经网络编码器模块提取特征，将特征输入到基于DNN的语音增强系统中，然后进行DNN训练；

3)根据公式h^m＝σ(W^mh^m-1+b^m)计算DNN的输出，根据用纯语音的目标标签训练网络的权值；

4)根据更新权值矩阵和偏移量。

2.一种基于表征学习的深度学习语音增强方法，其特征在于，步骤1)包括：

1)在预训练阶段，噪声语音PCM的深度生成模型由多个RBM构成，从下到上，通过contrast Divergence(CD)算法依次训练每个RBM，更新权值，RBM的输出用作上RBM的输入；

2)用贪婪算法以无监督的方式训练；

3)展开RBM，利用RBM的权矩阵建立一个深度网络，输入由下层的权值矩阵进行编码，生成代码。该编码通过上层权矩阵的移位进行解码，生成输出，假设纯语音是X，输入有噪语音X′，对进行编码生成u＝f(X′)，然后u被解码生成微调的目标是最小化误差在微调阶段，采用随机梯度下降法更新权重和偏差。

3.一种基于表征学习的深度学习语音增强方法，其特征在于，步骤1)包括：

1)采用黄金分割法确定单位数，设单元数的最佳范围为[x₁，x₂]；

2)计算黄金分割x₃和x₄：其中x₁＜x₃＜x₄＜x₂；

3)计算重构误差Δ₁和Δ₂当单元数分别是x₃和x₄时，比较Δ₁和Δ₂，如果Δ₁更小，，则新的范围在[x₁，x₄]之间，如果Δ₂更小，新的范围在[x₃，x₂]之间；

4)重复步骤1和2以确定输出层的最佳单元数。