一种基于注意力机制的语音增强算法

摘要

本发明公开了一种基于注意力机制的语音增强算法，构造了一个基于注意力机制的神经网络语音增强模型，包括三个组件：一个基于注意力机制的神经网络、一个标准深度循环神经网络和一个时频掩蔽层。模型在每一个时间步，将当前时刻的输入帧与整段语音帧进行注意力机制计算，得到当前时间步对应的特征向量表达。通过将当前时间步特征向量与当前语音帧进行拼接得到模型输入，利用标准的深度循环神经网络对当前输入进行编码，得到时频掩蔽的预测值。将时频掩蔽的预测值与混合语音进行按位相乘，得到增强后的语音片段。本发明所述算法从提升模型泛化性能的角度对语音增强问题进行建模，可以有效地解决在训练中未出现过的噪声场景下的语音增强问题。