语音增强方法、电子设备和存储介质技术

本发明专利技术公开一种语音增强方法、电子设备和存储介质。在该方法中，确定待增强的原始语音所对应的倒谱域信号；分解所述倒谱域信号所对应的声门激励分量信号和声道系统分量信号；基于倒谱分析逆系统模块，对所述声门激励分量信号和所述声道系统分量信号进行时域变换和降噪处理；基于降噪后的声门激励分量时域信号和声道系统分量时域信号，合成目标语音。由此，实现了语音分析、合成与降噪三者的有机融合，从而能实现模型复杂度更低、降噪性能更好的语音增强系统。增强系统。增强系统。

【技术实现步骤摘要】
语音增强方法、电子设备和存储介质


[0001]本专利技术属于语音增强
，尤其涉及一种语音增强方法、电子设备和存储介质。

技术介绍

[0002]数字语音通信、语音识别、说话人识别等技术已经日趋成熟，并应用于日常生活中。但制约着这些技术进一步发展和应用的瓶颈在于：这些技术在实验室的理想环境下能得到很好的效果，但在日常应用中往往由于环境噪声的干扰而使得语音通信质量、正确识别率大大降低。语音增强技术能去除语音中的干扰噪声，提升语音通话质量、提升语音识别性能。
[0003]语音增强技术的研究已经有数十几年的历史，主要分为基于统计信号处理的传统方法，以及近几年发展的基于深度神经网络的方法。基于深度神经网络的语音增强是一种数据驱动的方法，其主要可以分为短时傅里叶变换域方法、以及网络输入和输出均为时域信号的端到端方法。另一类采用神经网络的方法是将语音降噪模块和生成模型的声码器相结合，得到一种基于声码器的语音降噪系统。
[0004]然而，一方面，基于统计信号处理的语音增强方法，较依赖于噪声估计算法，噪声估计算法能较为准确地估计稳态噪声，但对非稳态噪声的估计表现较差。另一方面，基于深度神经网络的方法，存在依赖大量训练数据的问题，从而导致在开放测试集上降噪效果欠佳。
[0005]针对上述问题，目前业界暂未提供较佳的解决方案。

技术实现思路

[0006]本专利技术实施例提供一种语音增强方法、电子设备和存储介质，用于至少解决上述技术问题之一。
[0007]第一方面，本专利技术实施例提供一种语音增强方法，包括：确定待增强的原始语音所对应的倒谱域信号；分解所述倒谱域信号所对应的声门激励分量信号和声道系统分量信号；基于倒谱分析逆系统模块，对所述声门激励分量信号和所述声道系统分量信号进行时域变换和降噪处理；基于降噪后的声门激励分量时域信号和声道系统分量时域信号，合成目标语音。
[0008]第二方面，本专利技术实施例提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法的步骤。
[0009]第三方面，本专利技术实施例提供一种存储介质，所述存储介质中存储有一个或多个包括执行指令的程序，所述执行指令能够被电子设备(包括但不限于计算机，服务器，或者网络设备等)读取并执行，以用于执行本专利技术上述方法的步骤。
[0010]第四方面，本专利技术实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述方法的步骤。
[0011]本专利技术实施例的有益效果在于：通过本专利技术实施例，使用语音信号的分析方法将语音分解为声门激励和声道系统，再对分解后的信号进行降噪处理，最后合成最终的语音信号。由此，实现了语音分析、合成与降噪三者的有机融合，从而能实现模型复杂度更低、降噪性能更好的语音增强系统。
附图说明
[0012]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0013]图1示出了根据本专利技术实施例的语音增强方法的一示例的流程图；
[0014]图2示出了根据本专利技术实施例的一示例的语音增强系统的系统结构框架示意图；
[0015]图3示出了一示例的用于语音合成的源过滤器模型的简化示意图；
[0016]图4示出了针对如图2所示的语音增强系统进行配置操作的一示例的流程图；
[0017]图5示出了示例性的深度神经网络的结构；
[0018]图6示出了根据本专利技术实施例的一示例的基于复倒谱分析与合成的神经网络语音增强系统的系统架构示意图；
[0019]图7示出了根据本专利技术实施例的一示例的基于实倒谱分析与合成的神经网络语音增强系统的系统架构示意图；
[0020]图8示出了不同类型的语音增强方法在已知噪声和未知噪声处理时的效果示意图；
[0021]图9示出了针对不同类型的语音增强方法在具有不同模型参数数量时的性能表现效果对比示意图；
[0022]图10为本专利技术的电子设备的一实施例的结构示意图。
具体实施方式
[0023]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0025]本专利技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元件、数据结构等等。也可以在分布式计算环境中实践本专利技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以
位于包括存储设备在内的本地和远程计算机存储介质中。
[0026]在本专利技术中，“模块”、“系统”等等指应用于计算机的相关实体，如硬件、硬件和软件的组合、软件或执行中的软件等。详细地说，例如，元件可以、但不限于是运行于处理器的过程、处理器、对象、可执行元件、执行线程、程序和/或计算机。还有，运行于服务器上的应用程序或脚本程序、服务器都可以是元件。一个或多个元件可在执行的过程和/或线程中，并且元件可以在一台计算机上本地化和/或分布在两台或多台计算机之间，并可以由各种计算机可读介质运行。元件还可以根据具有一个或多个数据包的信号，例如，来自一个与本地系统、分布式系统中另一元件交互的，和/或在因特网的网络通过信号与其它系统交互的数据的信号通过本地和/或远程过程来进行通信。
[0027]最后，还需要说明的是，在本文中，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0028]需说明的是，单声道语音增强是语音信号处理中最具挑战性的任务之一，旨在抑制观测到的嘈杂语音中的干扰噪声，以提高语音质量和可懂度，对于在移动电信、语音识别、助听器等业务场景具有积极的应用。目前，经典的基于统计的方法已经被广泛研究了几十年。
[0029]在目前相关技术中，为了实现模型复杂度更低、泛化性能更好的神经网络语音增强方法，当前研究领域均趋向于设计更为精妙本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种语音增强方法，包括：确定待增强的原始语音所对应的倒谱域信号；分解所述倒谱域信号所对应的声门激励分量信号和声道系统分量信号；基于倒谱分析逆系统模块，对所述声门激励分量信号和所述声道系统分量信号进行时域变换和降噪处理；基于降噪后的声门激励分量时域信号和声道系统分量时域信号，合成目标语音。2.根据权利要求1所述的方法，其中，所述确定待增强的原始语音所对应的倒谱域信号，包括：获取当前的倒谱分析模式；当处于复倒谱分析模式时，确定待增强的原始语音所对应的带相位信息的复倒谱信号；当处于实倒谱分析模式时，确定所述原始语音所对应的无相位信息的实倒谱信号和相位信息。3.根据权利要求2所述的方法，其中，所述基于倒谱分析逆系统模块，对所述声门激励分量信号和所述声道系统分量信号进行时域变换和降噪处理，包括：当处于复倒谱分析模式时，所述倒谱分析逆系统模块采用复倒谱分析逆系统模块，以确定所述复倒谱信号所对应的时域信号；其中，所述复倒谱分析逆系统模块包括顺序级联的傅里叶变换子模块、复指数计算子模块、降噪神经网络和傅里叶反变换子模块；当处于实倒谱分析模式时，所述倒谱分析逆系统模块采用最小相位重建系统，以确定所述实倒谱信号所对应的时域信号；其中，所述最小相位重建系统包括顺序级联的加窗傅里叶变换子模块、指数计算子模块、降噪神经网络和傅里叶反变换子模块。4.根据权利要求3所述的方法，其中，所述复倒谱分析逆系统模块中的降噪神经网络采用复数神经网络结构，以及所述最小相位重建系统中的降噪神经网络采用实数神经网络结构。5.根据权利要求3所述的方法，其中，所述降噪神经网络采用多分辨率短时傅...

【专利技术属性】
技术研发人员：俞凯，江文斌，
申请(专利权)人：思必驰科技股份有限公司，
类型：发明
国别省市：