基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文将心理声学掩蔽特性应用于基于深度神经网络(Deep neural network,DNN)的单通道语音增强任务中,提出了一种具有感知掩蔽特性的DNN结构.首先,提出的DNN对带噪语音幅度谱特征进行训练并分别得到纯净语音和噪声的幅度谱估计.其次,利用估计的纯净语音幅度谱计算噪声掩蔽阈值.然后,将噪声掩蔽阈值和估计的噪声幅度谱联合计算得到一个感知增益函数.最后,利用感知增益函数从带噪语音幅度谱中估计出增强语音幅度谱.在TIMIT数据库上,对不同信噪比下的20种噪声进行的仿真实验表明,无论噪声类型是否在语音的训练集中出现,所提出的感知掩蔽DNN都能够在有效去除噪声的同时保持较小的语音失真,增强效果明显优于常见的DNN增强方法以及NMF (Nonnegative matrix factorization)增强方法.
推荐文章
联合优化深度神经网络和约束维纳滤波的通道语音增强方法
深度神经网络
语音增强
约束维纳滤波
联合优化
基于深度神经网络的语音增强研究
深度学习
语音增强
人工神经网络
感知联合优化的深度神经网络语音增强方法
语音增强
深度神经网络
代价函数
相关性
采用多通道样本和深度卷积神经网络的轴承故障诊断方法
轴承故障诊断
三通道样本
深度卷积神经网络
连续小波变换
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于感知掩蔽深度神经网络的单通道语音增强方法
来源期刊 自动化学报 学科
关键词 语音增强 深度神经网络 感知增益函数 掩蔽阈值
年,卷(期) 2017,(2) 所属期刊栏目 论文与报告
研究方向 页码范围 248-258
页数 11页 分类号
字数 9155字 语种 中文
DOI 10.16383/j.aas.2017.c150719
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张雄伟 150 933 16.0 22.0
2 闵刚 13 71 5.0 8.0
6 韩伟 3 19 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (16)
参考文献  (20)
节点文献
引证文献  (16)
同被引文献  (17)
二级引证文献  (12)
1979(1)
  • 参考文献(1)
  • 二级参考文献(0)
1984(2)
  • 参考文献(1)
  • 二级参考文献(1)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(2)
  • 二级参考文献(3)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(5)
  • 参考文献(5)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2018(6)
  • 引证文献(6)
  • 二级引证文献(0)
2019(13)
  • 引证文献(7)
  • 二级引证文献(6)
2020(8)
  • 引证文献(2)
  • 二级引证文献(6)
研究主题发展历程
节点文献
语音增强
深度神经网络
感知增益函数
掩蔽阈值
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
自动化学报
月刊
0254-4156
11-2109/TP
大16开
北京市海淀区中关村东路95号(北京2728信箱)
2-180
1963
chi
出版文献量(篇)
4124
总下载数(次)
26
总被引数(次)
120705
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导