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:
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.
推荐文章
基于卷积门控循环神经网络的语音增强方法
语音增强
深度学习
卷积神经网络
循环神经网络
局部特征
一种融合相位估计的深度卷积神经网络语音增强方法
语音增强
相位估计
幅度估计
深度卷积神经网络
基于深度神经网络的因果形式语音增强模型
语音增强
因果形式输入
延时
深度神经网络
卷积神经网络
利用生成噪声提高语音增强方法的泛化能力
语音增强
生成式对抗网络
泛化能力
深度神经网络
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 利用深度卷积神经网络提高未知噪声下的语音增强性能
来源期刊 自动化学报 学科
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
研究方向 页码范围 751-759
页数 9页 分类号
字数 6722字 语种 中文
DOI 10.16383/j.aas.2018.c170001
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 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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (26)
参考文献  (14)
节点文献
引证文献  (23)
同被引文献  (48)
二级引证文献  (27)
1946(1)
  • 参考文献(0)
  • 二级参考文献(1)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(10)
  • 参考文献(2)
  • 二级参考文献(8)
2014(8)
  • 参考文献(2)
  • 二级参考文献(6)
2015(6)
  • 参考文献(2)
  • 二级参考文献(4)
2016(6)
  • 参考文献(5)
  • 二级参考文献(1)
2018(7)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(6)
  • 二级引证文献(1)
2018(7)
  • 引证文献(6)
  • 二级引证文献(1)
2019(22)
  • 引证文献(11)
  • 二级引证文献(11)
2020(21)
  • 引证文献(6)
  • 二级引证文献(15)
研究主题发展历程
节点文献
语音增强
深度卷积神经网络
深度神经网络
噪声
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
山东省自然科学基金
英文译名:Natural Science Foundation of Shandong Province
官方网址:http://kyc.wfu.edu.cn/second/wnfw/shandongshengzirankexuejijin.htm
项目类型:重点项目
学科类型:
论文1v1指导