[发明专利]一种基于深度神经网络的语音质量客观评价方法

摘要

本发明公开了一种基于深度神经网络的语音质量客观评价方法，包括：步骤1)以带噪语音的三种语音特征生成的数据作为深度神经网络的输入，以实际目标语音的PESQ得分为深度神经网络输出目标，构建及训练深度神经网络；步骤2)将待评价语音的q帧语音特征向量作为输入数据输入训练好的深度神经网络，输出该待评价语音的质量评价分数。本发明能够实现在仅存在有目标语音信号的条件下，对目标语音质量做出客观评价，对目标语音的客观评价与实际PESQ算法做出的评价具有较高相关度；本发明适用于变速语音的情况，不会因语音语速的改变而导致语音质量无法进行客观评测，评价结果较准确；本发明可直接评价语音质量，不需要纯净参考信号的存在。

主权项

1.一种基于深度神经网络的语音质量客观评价方法，包括：/n步骤1)以带噪语音的三种语音特征生成的数据作为深度神经网络的输入，以实际目标语音的PESQ得分所在区间编号编码为深度神经网络输出目标，构建及训练深度神经网络；/n步骤2)将待评价语音的q帧语音特征向量作为输入数据输入训练好的深度神经网络，输出该待评价语音的质量评价分数；/n所述步骤2)包括：/n步骤2-1)提取待评价语音的q帧语音特征向量，进行扩展后依次取q个连续j帧特征向量拼接的k维数据，q，j，k为自然数；其中，语音特征向量包括三种语音特征及三种语音特征的一阶差分；所述三种语音特征包括：短时幅度调制谱、相关谱-感知加权线性预测和梅尔倒谱系数；/n步骤2-2)将所述的q个k维数据依次输入深度神经网络，输出每帧语音特征向量对应的得分区间编号编码，并映射成得分区间编号对应的实际得分，得到q个实际得分；所述PESQ得分的取值范围为[-0.5,4.5]，将该取值范围平均划分为K个得分区间，区间编号分别为1，2，3，…K，对应深度神经网络输出的K维向量，K为自然数，该向量仅包含有一个非零元且数值为1；目标的得分区间编号对应深度神经网络输出向量非零元的位置；/n步骤2-3)将q个实际得分相加，再取平均值作为该段语音的预测分数。/n