利用深度卷积神经网络提高未知噪声下的语音增强性能

• 作者: 夏斌 孙文珠 欧世峰 袁文浩
• 来源期刊: 自动化学报
• 关键词: 语音增强 深度卷积神经网络 深度神经网络 噪声
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 751-759
• 页数: 9页
• 字数: 6722字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c170001

摘要

为了进一步提高基于深度学习的语音增强方法在未知噪声下的性能,本文从神经网络的结构出发展开研究.基于在时间与频率两个维度上,语音和噪声信号的局部特征都具有强相关性的特点,采用深度卷积神经网络(Deep convolutional neural network,DCNN)建模来表示含噪语音和纯净语音之间的复杂非线性关系.通过设计有效的训练特征和训练目标,并建立合理的网络结构,提出了基于深度卷积神经网络的语音增强方法.实验结果表明,在未知噪声条件下,本文方法相比基于深度神经网络(Deep neural network,DNN)的方法在语音质量和可懂度两种指标上都有明显提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	欧世峰	烟台大学光电信息科学技术学院	22	130	6.0	11.0
2	夏斌	山东理工大学计算机科学与技术学院	23	62	5.0	7.0
3	袁文浩	山东理工大学计算机科学与技术学院	22	62	5.0	7.0
4	孙文珠	山东理工大学计算机科学与技术学院	9	53	5.0	7.0