基于组稀疏低秩表达的语音信号增强方法

摘要

基于组稀疏低秩表达的语音信号增强方法，针对带噪语音信号进行以下操作：首先，根据预设的采样频率对语音信号进行采样，形成对应的向量化表达，并按不同主题对语音信号进行分组；其次，利用同主题语音信号间的组稀疏结构特性，通过低秩矩阵分解对带噪语音信号实现噪声分离，并得到语音信号的组稀疏低秩表达；最后，通过获得的低秩表达对原始带噪信号进行重构，从而输出清晰的增强语音信号。本发明的优点在于：有效地考虑了同主题语音信号间的组稀疏结构特性，能更好地消除背景噪音并获取更清晰的语音信号，使听者更迅速准确地理解语音内容，可应用于军事通信、网络音频会议和在线电台放送等等。

主权项

基于组稀疏低秩表达的语音信号增强方法，该方法的特征在于获取不同主题的大量带噪语音信号后，针对带噪语音信号进行以下操作：1)根据预设的采样频率f_s对每个带噪语音信号进行采样，获得m维的向量化表达x∈R^m，并按照不同主题对语音信号分组；2)利用同主题语音信号间的组稀疏结构特性，通过低秩矩阵分解对带噪语音信号实现噪声分离，并得到语音信号的组稀疏低秩表达；3)通过获得的低秩表达对原始带噪信号进行重构，从而输出清晰的增强语音信号；步骤1)中所述的按照不同主题对语音信号分组，具体是：11)假设语音信号可分为k个主题，则第c个主题的语音信号矩阵表示为其中n_c为第c个主题的语音信号数目；12)通过按顺序拼接不同主题的信号矩阵块，可构造整体语音信号矩阵X＝[X¹，…，X^k]∈R^m×n，其中n＝n₁+n₂+…+n_k；步骤2)中所述的利用同主题语音信号间的组稀疏结构特性，通过低秩矩阵分解对带噪语音信号实现噪声分离，并得到语音信号的组稀疏低秩表达，具体是：21)假设第c个主题语音信号的组稀疏低秩表达为Z^c，则同主题语音信号间的组稀疏结构特征可通过矩阵的l_1，q范式表征为其中$\left|\right|Z^c|{|}_{1,q}=\underset{j=1}{\overset{n_c}{\Sigma }}|\left|z_j^c\right|{|}_q=\left|\right|z_1^c|{|}_q+\mathrm{...}+|\left|z_{n_c}^c\right|{|}_q$其中，||·||_q表示向量的l_q范式，q＞0反映了语音信号的组结构特征，第c个主题语音信号的低秩表达而列向量表示第c个主题中的第j个语音信号对应的低秩表达系数，整体语音信号矩阵的低秩表达为一个块对角矩阵Z＝diag(Z¹，…，Z^k)∈R^n×n；22)设语音信号中的噪声成分表示为矩阵E∈R^m×n，语音信号的词典为数据矩阵本身X，通过求解下式可实现低秩矩阵分解，即minimize_Z，E ||Z||_*+α||Z||_1，q+λ||E||₁,subject to X＝XZ+E，e^TZ＝e^T，Z≥0，其中，||Z||_*表示矩阵Z的核范式，即矩阵Z的奇异值之和，参数α＞0可调节组稀疏结构特征的贡献，参数λ＞0控制语音信号中的噪声压制程度，e是一个全1的列向量，这样，可以得到语音信号的组稀疏低秩表达Z，同时分离出噪声矩阵E；步骤3)中所述通过获得的低秩表达对原始带噪信号进行重构，具体是：通过上述步骤求得的语音信号对应的组稀疏低秩表达Z与原始带噪语音信号X进行线性乘积，可获得重构后的清晰增强语音信号，即