[发明专利]基于GAN网络的分布式光纤语音增强方法及隧道救援系统

说明书

本发明公开了一种基于GAN网络的分布式光纤语音增强方法及隧道救援系统，其中，基于GAN网络的分布式光纤语音增强方法，包括：采集DAS语音信号；获取纯净语音信号；对采集到的DAS语音信号进行预处理；将预处理后的DAS语音信号转化为梅尔频谱特征图；将所述梅尔频谱特征图与所述纯净语音信号输入预先构建的GAN网络。本发明中的分布式光纤语音增强方法通过对现有的GAN网络进行改造，引入多频段的概念，并更改了感受野，然后利用改进后的GAN网络进行语音处理，能有效增强光纤语音信号，同时也改善了高频信号。

技术领域

本发明属于语音增强技术领域，特别是涉及一种基于GAN网络的分布式光纤语音增强方法及隧道救援系统。

背景技术

现有的高速公路隧道异常事件（例如隧道内车祸、火灾、垮塌等危险事件，救援呼叫等紧急事件）监测技术包括各类应变传感器、倾斜传感器、温度传感器，以及激光、视频等手段；但这些方式都是点式监测，无法实现线性的长距离监测，尤其在隧道事故造成断电、断网的情况时，无法向外界传输事故信息和救援呼叫。

在隧道塌方的情景下，救援队通过人力来寻找被困者是件极困难的事，通过对受困者的求救声进行捕捉、识别，进而定位受困者的位置，将对救援工作有巨大的帮助，大大节省救援时间。在对受困者的求救声进行捕捉和识别时，语音增强是一种常用的技术手段。

经典的语音增强方法有谱减法、维纳滤波、基于统计模型的方法和子空间算法。自80年代以来，神经网络也被应用于语音增强；近年来，去噪自动编码器结构已被广泛采用，同样，递归神经网络（RNN）也在被广泛使用。例如，递归去噪自动编码器在利用嵌入式信号中的时间上下文信息方面表现出了显著的性能。目前的大多数系统都是基于短时傅立叶分析/综合框架，它们只会改变频谱的大小，因为人们经常声称短时间相位对语音增强不重要。然而，进一步的研究表明，语音质量的显著改善是可能的，特别是当一个干净的相位谱是已知的时候。1988年，Tamura等人提出了一个直接工作于原始音频波形的深层网络，但他们使用的是逐帧(60个样本)在依赖于说话者和孤立的单词数据库上工作的前馈层。

近年来随着神经网络的兴起，神经网络由于其优异的特征提取和数据拟合能力，已被广泛应用于语音增强任务中，基于神经网络的方法相较于传统方法已经有了较大提升。在这些方法中，基于DNN的方法主要是在频域内处理语音，通过短时傅里叶变换求得短时频谱，然后对短时频谱进行处理，利用DNN的拟合能力学习到从噪声信号到纯净信号的映射函数，同时利用每一条音频的前6帧作为噪声的估计加入到训练当中，最后在后处理中利用含噪语音的相位进行重构增强语音信号。虽然这种方法的增强效果较以往的有了不错的提升，但是由于噪声估计只用了前6帧的信息，其对非平稳的噪声环境下的鲁棒性还是明显不强。

发明内容

本发明的目的在于克服现有技术的一项或多项不足，提供一种基于GAN网络的分布式光纤语音增强方法及隧道救援系统。

本发明的目的是通过以下技术方案来实现的：

根据本发明的第一方面，提出一种基于GAN网络的分布式光纤语音增强方法及隧道救援系统，包括：

采集DAS语音信号；

获取纯净语音信号；

对采集到的DAS语音信号进行预处理；

将预处理后的DAS语音信号转化为梅尔频谱特征图；

将所述梅尔频谱特征图与所述纯净语音信号输入预先构建的GAN网络。

优选的，对采集到的DAS语音信号进行预处理，包括：

对所述DAS语音信号进行预加重；

对预加重后的DAS语音信号进行分帧；

对分帧后的DAS语音信号进行加窗处理。

优选的，所述预加重的变换公式为：