1.一种基于改进相位谱补偿和全卷积神经网络的语音增强算法,其特征在于,包括以下步骤:步骤1、对训练集语音数据进行预处理,获取带噪语音和纯净语音的特征数据;
对带噪语音和纯净语音进行预处理并提取带噪语音和纯净语音的特征参数,具体操作如下:步骤1-1、用y(n)来表示带噪语音信号且y(n)=d(n)+x(n),其中,d(n)为噪声信号,x(n)为纯净信号;通过对y(n)的M个样本加窗w(n),并进行M点的FFT,将带噪语音变换到频域,得到带噪语音的频谱Y(l,k),其中l为帧数标记,k表示频率分量且k=0,1,2,…,M-1;同样的可得到纯净语音x(n)的频谱X(l,k)和噪声信号d(n)的频谱D(l,k);
步骤1-2、将带噪语音的频谱Y(l,k)表示在极坐标上,分为幅度谱和相位谱,即Y(l,k)=|Y(l,k)|ej∠Y(l,k)
其中,|Y(l,k)|为带噪语音y(n)的短时幅度谱,∠Y(l,k)为相位谱;同样的可以得到纯净语音x(n)的短时幅度谱|X(l,k)|和噪声信号d(n)的短时幅度谱|D(l,k)|;
步骤1-3、利用下式计算带噪语音的对数功率谱S(n)和纯净语音的对数功率谱T(n),S(n)=[loge(|Y(n,1)|2),loge(|Y(n,2)|2),…,loge(|Y(n,k)|2),…,loge(|Y(n,M-1)|2)]T(n)=[loge(|X(n,1)|2),loge(|X(n,2)|2),…,loge(|X(n,k)|2),…,loge(|X(n,M-1)|2)]其中,|Y(n,1)|2为带噪语音通过短时傅里叶变换得到的第n帧第1个频带的功率,|Y(n,2)|2为带噪语音通过短时傅里叶变换得到的第n帧第2个频带的功率,|Y(n,k)|2为带噪语音通过短时傅里叶变换得到的第n帧第k个频带的功率,|Y(n,M-1)|2为带噪语音通过短时傅里叶变换得到的第n帧第M-1个频带的功率;|X(n,1)|2为纯净语音通过短时傅里叶变换得到的第n帧第1个频带的功率,|X(n,2)|2为纯净语音通过短时傅里叶变换得到的第n帧第2个频带的功率,|X(n,k)|2为纯净语音通过短时傅里叶变换得到的第n帧第k个频带的功率,|X(n,M-1)|2为纯净语音通过短时傅里叶变换得到的第n帧第M-1个频带的功率;
步骤2、结合带噪语音和纯净语音的特征数据,引入帧信噪比优化相位补偿算法的补偿因子计算公式,再利用改进后的公式进行相位补偿因子的计算;
优化相位补偿函数,具体操作如下:
步骤2-1、传统的相位补偿函数表示为
其中,Λ(l,k)为相位补偿函数,λ为相位补偿因子,为噪声的估计值,一般可用带噪语音的幅度谱|Y(l,k)|代替,λ为经验值,Ψ(k)为反对称函数,用于对相位的修正,记为Λ(l,k)的作用如下式所示,
YΛ(l,k)=Y(l,k)+Λ(l,k)
其中,YΛ(l,k)是补偿后的频谱,通过对补偿后的频谱进行相位的提取得到下式所示的相位谱∠YΛ(l,k),∠YΛ(l,k)=arg(YΛ(l,k))
将∠YΛ(l,k)与带噪语音的幅度谱|Y(l,k)|相结合,得到增强语音的频谱,其表达式为步骤2-2、引入帧信噪比对相位补偿函数进行优化,获得优化后的相位补偿函数,即其中,c为经验值,SNRl为第l帧信噪比;
步骤2-3、为了简化后续神经网络的训练目标,将优化后的相位补偿函数简写为如下公式,Λ(l,k)=Ψ(k)×Q(l,k)
其中,Q(l,k)的计算公式表示为,
步骤3、搭建全卷积神经网络模型,相位补偿因子联合纯净语音的对数功率谱作为全卷积神经网络的训练目标,进行全卷积神经网络模型的训练;
步骤4、将测试语音输入训练好的模型,得到对数功率谱的估计值和相位补偿函数;
步骤5、利用对数功率谱的估计值和相位补偿函数分别进行语音信号的幅度谱和相位谱重建,得到最终的增强语音。
2.根据权利要求1所述基于改进相位谱补偿和全卷积神经网络的语音增强算法,其特征在于,所述步骤3提出融合相位谱补偿的训练目标和损失函数的设计,具体方法如下:步骤3-1、对于频域的语音增强,采用带噪语音的对数功率谱和纯净语音的对数功率谱分别作为神经网络的训练特征和训练目标,即其中,是带噪语音对数功率谱经过神经网络训练得到的纯净语音对数功率谱Tn的逼近值,Sn为带噪语音的对数功率谱;然后结合带噪语音的第n帧的相位αn,得到增强语音第n帧的时域波形即步骤3-2、在频域的语音增强基础上,融合相位补偿算法作为新的训练目标,新的训练目标包含纯净语音的对数功率谱Tn和相位补偿因子Qn两部分,即其中,由相位补偿因子即可得到相位补偿函数,再通过相位补偿函数获取第n帧的增强相位,替代带噪语音的相位αn,达到更好的语音增强效果;
步骤3-3、对于上一步提出的融合相位谱补偿的训练目标,定义神经网络的损失函数为其中,MSE为对数功率谱和相位谱补偿的联合均方误差,T(n,k)为纯净语音的第n帧的对数功率谱,为带噪语音的第n帧的对数功率谱经过神经网络训练得到的纯净语音对数功率谱的逼近值,为相位补偿因子经过神经网络训练得到的逼近值,β为调制参数;
步骤3-4、搭建全卷积神经网络模型,分为输入层、编码器层、解码器层和输出层;
步骤3-5、以相位补偿因子联合纯净语音的对数功率谱作为全卷积神经网络的训练目标,进行全卷积神经网络模型的训练,得到训练好的全卷积神经网络模型。
3.根据权利要求2所述基于改进相位谱补偿和全卷积神经网络的语音增强算法,其特征在于,所述步骤3-4中,输入层为5×257的矩阵,表示输入特征的上下文长度为5帧,每帧有257个数据点,输入的数据由相邻5帧的带噪语音的对数功率谱构成,增加其在时间和频率两个维度上的相关性;
编码器层由两个卷积层和两个dropout层组成,卷积层有三个超参数,分别为卷积核大小、移动步长和填充方式;
解码器层也由两个卷积层和两个dropout层组成,其网络结构与编码器层对称;
输出层为一个全连接层,与解码器直接相连,有257个神经元,激活函数选用linear函数,输出为1帧语音特征数据和1帧相位谱补偿因子。
4.根据权利要求3所述基于改进相位谱补偿和全卷积神经网络的语音增强算法,其特征在于,所述步骤4中,按照步骤1的方法对待测试的带噪语音进行特征提取,将提取的特征参数输入训练好的全卷积神经网络模型,即可得到语音信号的对数功率谱估计值和相位补偿因子。
5.根据权利要求4所述基于改进相位谱补偿和全卷积神经网络的语音增强算法,其特征在于,所述步骤5中,利用对数功率谱和相位补偿因子进行语音信号的幅度谱和相位谱重建,经过短时傅里叶反变换得到最终的增强语音。