买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利基于强约束字典和深度神经网络的两阶段单通道语音分离方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114898769B 。

龙图腾网通过国家知识产权局官网在2026-01-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210532215.2，技术领域涉及：G10L21/0272；该发明授权基于强约束字典和深度神经网络的两阶段单通道语音分离方法是由孙林慧;龚艾飞;袁硕;步云怡设计研发完成，并于2022-05-09向国家知识产权局提交的专利申请。

本基于强约束字典和深度神经网络的两阶段单通道语音分离方法在说明书摘要公布了：本发明公开了一种基于强约束字典和深度神经网络的两阶段单通道语音分离方法。首先，基于字典学习的语音分离方法常出现“交叉投影”问题，本发明提出了强约束的优化函数，在此函数约束下构建更具有区分性的联合字典，来减少“交叉投影”。其次，为了提高两个相似信号的分离效果，本发明提出两阶段单通道语音分离方法，第一阶段利用强约束字典实现语音分离，得到初步估计信号。第二阶段利用映射能力强的深度神经网络，通过联合约束实现语音与交叉投影残余的分离，去除交叉投影残余的影响，得到精细估计信号。本发明实现了对语音分离系统性能的提升，使系统分离出的语音在五种测量指标上均有提升，适用于智能人机交互。

本发明授权基于强约束字典和深度神经网络的两阶段单通道语音分离方法在权利要求书中公布了：1.基于强约束字典和深度神经网络的两阶段单通道语音分离方法，其特征在于，包括如下步骤， 步骤S1.提取干净语音信号和混合语音信号的幅度谱，利用K-SVD算法计算干净语音信号的子字典D1和D2，将子字典拼接成联合字典D＝[D1,D2]，在强约束的优化函数限制下迭代更新字典； 步骤S2.将另一份训练样本在字典D上投影获取混合信号在D上的稀疏编码矩阵C＝[C1,C2]T，重构获取第一阶段分离出的语音信号幅度谱和 步骤S3.和经过DNN获取估计的理想比率掩码M1和M2，将掩码分别与和进行哈达玛积获取第二阶段精细估计的幅度谱和幅度谱和混合信号的相位相乘恢复出语音信号； 所述步骤S1的具体步骤为， 步骤S11.对每一句输入的时域连续语音信号进行采样，再进行短时傅里叶变换获取预处理后的语音信号； 步骤S12.计算预处理后的语音信号的幅度谱S1和S2，基于K-SVD算法分别训练获取对应的身份子字典D1和D2，拼接D1和D2获取初始联合字典D＝[D1,D2]； 步骤S13.固定D，通过OMP算法在目标函数约束下求得混合信号Y在D上的稀疏编码矩阵C； 步骤S14.固定C，通过L-BFGS算法求强约束优化函数来更新字典，获取强约束优化后的字典； 所述步骤S14中，通过L-BFGS算法求强约束优化函数来更新字典的具体方法为，步骤S141.定义强约束优化函数为 其中，和分别为单个干净信号S1和S2在联合字典D上投影的稀疏编码矩阵，和为和中在自身子字典上的投影部分； 步骤S142.定义矩阵和其中I为单位矩阵，O为全零矩阵； 步骤S143.强约束优化函数改写为 目标函数的梯度函数为 步骤S144.经过多次迭代求解获取更新后的优化字典，使混合信号在该字典上投影时能区分不同的源信号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。