基于扩张因果卷积和双向门控循环神经网络的语音增强方法

本发明公开了基于扩张因果卷积和双向门控循环神经网络的语音增强方法，包括将对含噪语音分帧加窗后经傅里叶变换提取频谱特征作为原始输入特征；构建语音增强模型结构，包括噪声输入层、噪声多尺度扩张因果卷积层、通道注意力机制、噪声双向门控循环神经层、去噪层；利用各原始输入特征对语音增强模型结构进行训练获得语音增强模型；利用语音增强模型获得对应的去噪频谱特征，经逆傅里叶变换、加窗处理，获得降噪后的语音信号。本发明利用神经网络模型对噪声特征建模，通过因果卷积和通道压缩技术实现低复杂度深度学习，抑制含噪语音信号中噪声部分，提高语音增强性能，采用8‑bit量化部署，模型体积压缩至2.3MB，具有良好的应用前景。