基于正则化的深度神经网络语音增强自适应方法

• 作者: 屈丹 徐思颖
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 语音增强 深度神经网络 保守训练 正则化 条件失配 自适应
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 信息处理与技术
• 页码范围: 556-561
• 页数: 6页
• 分类号: TN912.35
• 字数: 4840字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2018.05.010

摘要

在有监督的语音增强系统中,训练模型的数据与测试数据的环境差异导致系统应用场景受限.针对训练与测试数据之间的失配问题,提出一种基于正则化的自适应方法,提高语音增强系统在不匹配噪声环境下的鲁棒性.采用保守训练的方法,尝试3种正则项,将其加入优化准则中,用少量自适应数据调整噪声无关的DNN.该方法在失配环境下进行测试,实验结果证明,改进系统的性能相比基线系统可以提升最多可达14.37％的短时客观可懂度(short-time objective intelligibility,STOI),并在感知评估语音质量(perceptual evaluation of speech quality,PESQ)上也取得一致提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	屈丹		23	52	4.0	6.0
2	徐思颖		1	1	1.0	1.0