在大部分基于深度學(xué)習(xí)的語(yǔ)音分離和語(yǔ)音增強(qiáng)算法中,把傅里葉變換后的頻譜特征作為神經(jīng)網(wǎng)絡(luò)的輸入特征,并未考慮到語(yǔ)音信號(hào)中的相位信息。然而過(guò)去的一些研究表明,尤其是在低信噪比（SNR）條件下,相位信息對(duì)于提高語(yǔ)音質(zhì)量是必不可少的。針對(duì)這個(gè)問(wèn)題,提出了一種基于卷積編解碼器網(wǎng)絡(luò)和門控循環(huán)單元（CED-GRU）的語(yǔ)音分離算法。首先,利用原始波形既包含幅值信息也包含相位信息的特點(diǎn),在輸入端以混合語(yǔ)音信號(hào)的原始波形作為輸入特征;其次,通過(guò)結(jié)合卷積編解碼器（CED）網(wǎng)絡(luò)和門控循環(huán)單元（GRU）網(wǎng)絡(luò),可以有效解決語(yǔ)音信號(hào)中存在的時(shí)序問(wèn)題。提出的改進(jìn)算法在男性和男性、男性和女性、女性和女性的語(yǔ)音質(zhì)量的感知評(píng)價(jià)（PESQ）和短時(shí)目標(biāo)可懂度（STOI）方面,與基于排列不變訓(xùn)練（PIT）算法、基于深度聚類（DC）算法、基于深度吸引網(wǎng)絡(luò)（DAN）算法相比,分別提高了1. 16和0. 29、1. 37和0. 27、1. 08和0. 3;0. 87和0. 21、1. 11和0. 22、0. 81和0. 24;0. 64和0. 24、1. 01和0. 34、0. 73和0. 29個(gè)百分點(diǎn)。實(shí)驗(yàn)結(jié)果表明,基于CED-GRU... 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用. 2020,40(07)北大核心CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

不同算法的SAR平均值

不同算法的SIR平均值

LSTM結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于深層聲學(xué)特征的端到端語(yǔ)音分離[J]. 李娟娟,王丹,李子晉.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(10)
[2]一種基于卷積神經(jīng)網(wǎng)絡(luò)的端到端語(yǔ)音分離方法[J]. 范存航,劉斌,陶建華,溫正棋,易江燕.  信號(hào)處理. 2019(04)



本文編號(hào)：3514441