[发明专利]一种基于语音信号处理的语音分离办法

摘要

本发明涉及一种基于语音信号处理的语音分离办法，解决的是分离度低的技术问题，通过采用步骤一，定义混合语音信号，步骤二，将混合语音信号通过多通道的伽马通滤波器组，使用自回归与移动平均模型来平滑特征的时间轨迹，步骤三，建立深度神经网络，特征与该特征相邻帧的特征组合为一个标定组，输出标定组预测结果；步骤四，计算语音分离结果的质量评价因子，根据质量评价因子判定当前语音分离结果是否存在模糊效应，如果存在则转入步骤五，否则退出去模糊进程，语音分离结果为最终纯净语音；步骤五，依据能量最小化准则计算模糊核函数，据能量最小化准则计算最优纯净语音，迭代的技术方案，较好的解决了该问题，可用于语音分离中。

主权项

1.一种基于语音信号处理的语音分离办法，其特征在于：所述基于语音信号处理的语音分离办法包括：步骤一，定义混合语音信号为y(t)＝x(t)+n(t)x(t)＝y(t)*ρ(t)；其中，x(t)为纯净语音，n(t)为噪音语音，ρ(t)为模糊函数；步骤二，将混合语音信号通过多通道的伽马通滤波器组，对伽马通滤波器组的每个通道的输出进行分帧处理后得到时频单元矩阵，对得到的时频单元矩阵进行特征提取得到特征组，所述特征组包括振幅调制谱、感知线性预测，梅尔频率倒谱系数，伽马通频率，使用自回归与移动平均模型来平滑特征的时间轨迹：其中，C(t)是第t帧的特征向量，是滤波后的特征向量，m是伽马通滤波器组中伽马通滤波器的阶数；步骤三，建立深度神经网络，将某一特征的时间轨迹上的某一时间点轨迹与该时间点相邻的轨迹组合为一个标定组，使用深度神经网络预测前述标定组，输出标定组预测结果作为语音分离结果g(x，y)；步骤四，计算步骤三语音分离结果的质量评价因子，根据前述质量评价因子判定当前语音分离结果是否存在模糊效应，如果存在模糊效应，则转入步骤五，否则，退出去模糊进程，定义语音分离结果为最终纯净语音；步骤五，根据g(x，y)＝y(t)*k(x，y)，依据能量最小化准则计算模糊核函数为步骤六，定义当前模糊核函数k(x，y)为已知，依据能量最小化准则计算最优纯净语音步骤七，将最优纯净语音定义为y(t)，转到步骤一。