[发明专利]一种基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法

摘要

本发明公开了一种基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法，该方法对输入的时域信号经过加窗、分帧后，经傅里叶变换并取模得到该语句的幅度谱；估计得到稀疏的语音成分和噪声基矩阵W(n)；估计出语音分量和噪声分量后得到增强语音的估计；将鲁棒非负矩阵分解所得到的估计，与来自谱减SS和最小均方误差MMSE的估计，经过几何均值滤波模块融合，得到最终的幅度谱估计；利用幅度谱估计和含噪语音的相位重构出增强语音的时域信号。本发明不局限于语音内容所属的语言、不受限于说话人的变化、不受限于噪声的种类，与经典的基于平稳性假设的谱估计算法SS和MMSE相比，本发明不再依赖于这种平稳性假设，可以较准确的估计出平稳或突变噪声的频谱。

主权项

一种基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法，其特征在于，所述的基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法包括：步骤一、对输入的时域信号y(n)，经过加窗、分帧后，对每帧实施短时傅里叶变换并取模得到该帧的幅度谱Y；步骤二、利用鲁棒非负矩阵分解模块，估计得到稀疏的语音成分和噪声基矩阵W(n)；步骤三、将加权，与含噪语音幅度谱Y和噪声基矩阵W(n)一起输入到分块非负矩阵分解模块中，估计出语音分量W(s)：H(s)和噪声分量W(n)H(n)，经过维纳滤波后得到增强语音的估计步骤四、将鲁棒非负矩阵分解所得到的估计，与来自谱减SS和最小均方误差MMSE的估计，经过几何均值滤波模块融合，得到最终的幅度谱估计；步骤五、利用所得的幅度谱估计和含噪语音的相位，重构出增强语音的时域信号W(n)和H(n)分别表示噪声的字典矩阵和激活系数矩阵，其中(n)指代的是噪声,S表示含噪语音的幅度谱图Y中去除噪声估计W(n)H(n)后的残留部分,W(n),H(n)和S的更新公式如下：其中，*和％是指元素相乘和相除。