1.基于强约束字典和深度神经网络的两阶段单通道语音分离方法,其特征在于,包括如下步骤,步骤S1.提取干净语音信号和混合语音信号的幅度谱,利用K-SVD算法计算干净语音信号的子字典D1和D2,将子字典拼接成联合字典D=[D1,D2],在强约束的优化函数限制下迭代更新字典;
步骤S2.将另一份训练样本在字典D上投影获取混合信号在D上的稀疏编码矩阵C=[C1,C2]T,重构获取第一阶段分离出的语音信号幅度谱和步骤S3.和经过DNN获取估计的理想比率掩码M1和M2,将掩码分别与和进行哈达玛积获取第二阶段精细估计的幅度谱和幅度谱和混合信号的相位相乘恢复出语音信号;
所述步骤S1的具体步骤为,
步骤S11.对每一句输入的时域连续语音信号进行采样,再进行短时傅里叶变换获取预处理后的语音信号;
步骤S12.计算预处理后的语音信号的幅度谱S1和S2,基于K-SVD算法分别训练获取对应的身份子字典D1和D2,拼接D1和D2获取初始联合字典D=[D1,D2];
步骤S13.固定D,通过OMP算法在目标函数约束下求得混合信号Y在D上的稀疏编码矩阵C;
步骤S14.固定C,通过L-BFGS算法求强约束优化函数来更新字典,获取强约束优化后的字典;
所述步骤S14中,通过L-BFGS算法求强约束优化函数来更新字典的具体方法为,步骤S141.定义强约束优化函数为其中,和分别为单个干净信号S1和S2在联合字典D上投影的稀疏编码矩阵,和为和中在自身子字典上的投影部分;
步骤S142.定义矩阵和其中I为单位矩阵,O为全零矩阵;
步骤S143.强约束优化函数改写为
目标函数的梯度函数为
步骤S144.经过多次迭代求解获取更新后的优化字典,使混合信号在该字典上投影时能区分不同的源信号。
2.根据权利要求1所述的基于强约束字典和深度神经网络的两阶段单通道语音分离方法,其特征在于,所述步骤S2的具体步骤为,步骤S21.混合信号在字典D上投影得到估计的稀疏编码矩阵步骤S22.根据重构得到第一阶段分离出的语音信号幅度谱和
3.根据权利要求1所述的基于强约束字典和深度神经网络的两阶段单通道语音分离方法,其特征在于,所述步骤S3的具体步骤为,步骤S31.构建DNN网络框架,包含一个输入层、三个隐藏层和一个输出层;
步骤S32.目标语音的理想比率掩码作为DNN网络的训练目标,定义联合约束损失函数对网络进行约束;
步骤S33.将第一阶段分离出的语音信号幅度谱和输入DNN网络中,输出估计的理想比率掩码M1和M2;
步骤S34.M1和M2分别与和进行哈达玛积获取第二阶段精细估计的幅度谱和步骤S35.和与混合信号的相位相乘恢复出目标语音信号。
4.根据权利要求3所述的基于强约束字典和深度神经网络的两阶段单通道语音分离方法,其特征在于,所述步骤S32中,定义联合约束损失函数对网络进行约束的具体步骤为,步骤S321.考虑掩码误差的损失函数为其中,和Mi分别为第i个源信号的第L层输出层的预测输出矩阵和目标掩码矩阵,||·||2为l2范数;
步骤S322.利用IRM与信号幅度谱的关系,联合约束损失函数定义为其中,和Si分别为第一阶段重构得到初步估计信号的幅度矩阵和第i个源信号的幅度矩阵;
步骤S323.在前向传播算法中,随机初始化DNN每层神经元节点的权值和偏置,获取随机预测的再通过反向传播算法在联合约束损失函数下微调网络参数,使预测估计值逐渐逼近真实目标值;
步骤S324.经过多次迭代更新后得到网络权值和偏置,训练好的DNN模型用于语音与交叉投影残余的分离。
5.根据权利要求1所述的基于强约束字典和深度神经网络的两阶段单通道语音分离方法,其特征在于,还包括步骤S4.对所提出的基于强约束字典和深度神经网络的两阶段单通道语音分离方法进行性能评估;
其具体方法为,
步骤S41.将基于强约束字典学习的单通道语音分离方法与基于传统联合字典的方法进行对比实验,验证强约束优化函数的有效性;
步骤S42.将基于强约束字典和深度神经网络的两阶段单通道语音分离方法与基于强约束字典学习的单通道语音分离方法进行对比实验,验证了两阶段语音分离方法的有效性。