提出了一種聯(lián)合深度編解碼神經(jīng)網(wǎng)絡(luò)和時(shí)頻掩蔽估計(jì)的語音增強(qiáng)方法。該方法利用深度編解碼網(wǎng)絡(luò)估計(jì)時(shí)頻掩蔽表示,并聯(lián)合帶噪語音的幅度譜學(xué)習(xí)帶噪語音與純凈語音幅度譜之間的非線性映射關(guān)系。深度編解碼網(wǎng)絡(luò)采用卷積-反卷積網(wǎng)絡(luò)結(jié)構(gòu)。在編碼端,利用卷積網(wǎng)絡(luò)的局部感知特性,對(duì)帶噪語音的時(shí)頻域結(jié)構(gòu)特征進(jìn)行建模,提取語音特征,同時(shí)抑制背景噪聲。在解碼端,利用編碼端提取到的語音特征逐層恢復(fù)局部細(xì)節(jié)信息并重構(gòu)語音信號(hào)。同時(shí),在編解碼端對(duì)應(yīng)層之間引入跳躍連接,以減少由于池化和全連接操作導(dǎo)致的低層細(xì)節(jié)信息丟失的問題。在TIMIT語音庫和不完全匹配噪聲集下進(jìn)行仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該方法可以有效抑制噪聲,且能較好地恢復(fù)出語音細(xì)節(jié)成分。 

【文章來源】：聲學(xué)學(xué)報(bào). 2020,45(03)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

圖１本文所提語音增強(qiáng)方法結(jié)構(gòu)圖??

時(shí)文華等：聯(lián)合深度編解碼網(wǎng)絡(luò)和時(shí)頻掩蔽估計(jì)的單通道語音増強(qiáng)??３Ｄ５??３期??的語咅－質(zhì)最？在其余幾種噪聲類型下，經(jīng)過Ｓｋｉｐ連接??的諫增強(qiáng)方法要略高千無Ｓｋｉｐ連接的語音增強(qiáng)??方法：，??圖４可以看出，基寧神經(jīng)兩絡(luò)的語咅增強(qiáng)方法可??以明Ｍ降低増強(qiáng)詩語音的譜失真。除了在ＨＦ?Ｇｈａａ－??ｎｅｌ噪聲環(huán)境下，經(jīng)過ＧＮＮ方法增強(qiáng)處理帶來的語??音失真要低于經(jīng)過傳統(tǒng)ＤＫＳ方法增強(qiáng)后的語咅。??而引入Ｓｋｉｐ連接的ＣＫＳ帶來的譜失真要略高子無??Ｓｋｉｐ連接的ＧＭＢＴ語咅増強(qiáng)方法？??圖５所沄的不同方法在不同噪聲類型下的ＳＴＯＩ??得分均值可以看出，帶噪語咅修號(hào)經(jīng)基于ＨＭＦ的語??音増強(qiáng)方法處理后，會(huì)降低語咅的可懂度，而基于神??經(jīng)網(wǎng)絡(luò)的增強(qiáng)方法在不同噪聲類型下均能普遍提高??語音的可懂度。雖然引入Ｓｋｉｐ連接后的帶來??的譜失真要略高ｆ無Ｓｋｉｐ連接的ＧＮＮ語杏增強(qiáng)方??法，但同時(shí)會(huì)帶來可懂度的提升。??為了從頻譜細(xì)節(jié)倩息中觀察各種降噪方法對(duì)帶??噪語音中噪聲抑制和語音成分恢復(fù)的程度，圖６給??出了一段被５?＜ｆｆｌ?Ｅｋｅｔｏｒｙ噪聲ｆ＃染的語音經(jīng)不同有??監(jiān)督方法增強(qiáng)后的語譜圖，圖６（ｅ）可以看出，基＊寧??的増強(qiáng)方法對(duì)噪聲的抑制水平要明ｆｆｉ低寧基子??Ｄ麗的方法，圖６（ｄ）可以看出，棊子ＤＳＭ的方法??能夠較好地抑制噪聲，恢復(fù)出低頻部分語ｔ的結(jié)構(gòu)??特征，但在高頻部分，還是存在著結(jié)構(gòu)信息的丟失．．??３．０??１．０??Ｂａｂｂｌｅ?Ｗｈｉｔｅ?Ｆａｃｔｏｒｙ?Ｐｉｎｋ?ＦＩ６?ＨＦ?Ｃｈａｎｎｅｌ??圖３不同增強(qiáng)方法在不同噪聲類型下的ＰＥＳＱ得分均值??３．０??｜Ｎｏｉｓｙ?

【參考文獻(xiàn)】：
期刊論文
[1]利用深度卷積神經(jīng)網(wǎng)絡(luò)提高未知噪聲下的語音增強(qiáng)性能[J]. 袁文浩,孫文珠,夏斌,歐世峰.  自動(dòng)化學(xué)報(bào). 2018(04)
[2]用于無監(jiān)督語音降噪的聽覺感知魯棒主成分分析法[J]. 閔剛,鄒霞,韓偉,張雄偉,譚薇.  聲學(xué)學(xué)報(bào). 2017(02)
[3]稀疏低秩噪聲模型下無監(jiān)督實(shí)時(shí)單通道語音增強(qiáng)算法[J]. 李軼南,張雄偉,賈沖,陳亮,曾理.  聲學(xué)學(xué)報(bào). 2015(04)
[4]聽覺場(chǎng)景分析的研究進(jìn)展[J]. 吳鎮(zhèn)揚(yáng),張子瑜,李想,趙力.  電路與系統(tǒng)學(xué)報(bào). 2001(02)



本文編號(hào)：3484157