1.一种基于生成对抗网络的人声增强降噪方法,其特征在于,包括以下步骤:步骤1、获取预处理后的干净音频文件集和背景噪声文件集,其中,表示第i个干净音频信号,表示叠加在上的背景噪声;并通过计算对应的噪声音频,得到干净音频文件集对应的噪声音频文件集,n表示音频信号的总数;
步骤2、搭建生成对抗网络,包括:生成器G和判别器D:步骤2.1、构建生成器G是由多重卷积模块和BiLSTM模块串联构成,并对进行处理,得到第i个降噪音频数据;
步骤2.2、判别器D是由L层膨胀卷积模块、一个全局平均池化层GAP和一个全连接层FC组成,并对进行处理,得到第i个干净声音判别结果;
步骤2.3、将输入判别器D中进行处理,得到第i个降噪声音数据的判别结果;
步骤3:设计损失函数:
步骤3.1:利用式(3)构建所述生成器G的损失函数:(3)
式(3)中,表示对抗损失,并由式(4)得到,表示内容损失,并由式(5)得到;是内容损失的权重;
(4)
式(4)中,表示判别器D对的输出概率,表示sigmoid激活函数;
(5)
式(5)中,表示L1范式;
步骤3.2:利用式(7)构建判别器D的损失函数:(6)
式(6)中,表示真实样本损失,并由式(7)得到,表示生成样本损失,并由式(8)得到:(7)
(8)
步骤4:利用梯度下降法对所述生成对抗网络中的生成器G和判别器D进行交替训练,并计算所述损失函数和损失函数,以不断调整网络参数,直至所述生成器G的输出增强声音特征与对应的纯净声音特征之间的误差不再减小为止,从而得到最优生成器模型,用于实现噪声环境下声音的降噪处理。
2.根据权利要求1所述的一种基于生成对抗网络的人声增强降噪方法,其特征在于,步骤2.1包括以下步骤:步骤2.1.1、所述多重卷积模块是由N层卷积模块叠加而成;
输入生成对抗网络中,并经过生成器G中多重卷积模块的第j层卷积模块的处理,从而利用式(1)得到第j层卷积模块输出的降噪声音特征,从而由第N层卷积模块输出最终的降噪声音特征,记为:(1)
式(1)中,表示激活函数,表示批归一化操作,和分别是第j层卷积模块中卷积核的权重和偏置值,表示卷积运算;∈[1,N],N表示卷积模块的层数;当j=1时,令=;
步骤2.1.2、所述BiLSTM模块是由2个双向LSTM模块并联而成;
先对降噪声音特征进行时间段切分后,得到2段降噪声音特征并按照时间顺序先后输入到BiLSTM模块中对应的2个双向LSTM模块进行时序特征处理后,得到的结果再拼接为第i个降噪音频数据,从而得到含噪声音数据集的降噪音频数据集。
3.根据权利要求2所述的一种基于生成对抗网络的人声增强降噪方法,其特征在于,步骤2.2包括以下步骤:步骤2.2.1、第l层膨胀卷积模块利用式(2)得到第l层输出的干净声音特征,从而得到第L层输出的干净声音特征,记为:(2)
式(2)中,表示第l层膨胀卷积模块的权重系数,是第l层膨胀卷积模块的偏置值,当l=1时,令=;
步骤2.2.2、干净声音特征依次经过所述全局平均池化层GAP和全连接层FC的分类处理后,得到第i个干净声音判别结果,从而得到干净声音判别结果集。
4.一种电子设备,包括存储器以及处理器,其特征在于,所述存储器用于存储支持处理器执行权利要求1-3中任一所述人声增强降噪方法的程序,所述处理器被配置为用于执行所述存储器中存储的程序。
5.一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器运行时执行权利要求1-3中任一所述人声增强降噪方法的步骤。