基于优化浮值掩蔽的监督性语音分离

• 作者: 夏莎莎 张学良 梁山
• 来源期刊: 自动化学报
• 关键词: 深度神经网络 语音分离 监督性学习 计算目标
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 论文与报告
• 页码范围: 1876-1887
• 页数: 12页
• 字数: 8123字
• 语种: 中文
• DOI: 10.16383/j.aas.2017.c160748

摘要

监督性语音分离利用有监督学习算法,建立输入带噪语音信号和输出目标信号之间的映射关系.近年来,随着深度学习理论的发展,监督性分离算法已经成为语音分离最重要的研究方向,计算目标对分离算法的性能有着重要影响.理想浮值掩蔽作为常用的分离目标,能够提升分离的语音可懂度和语音质量,但没有考虑噪声和语音之间的相关性.本文采用优化浮值掩蔽作为分离目标,利用深度神经网络(Deep neural network,DNN)作为分离模型,并在多种噪声环境和信噪比条件下进行对比实验.结果表明,优化浮值掩蔽对语音感知质量有显著提升,总体上分离性能优于其他计算目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张学良	内蒙古大学计算机学院	4	80	3.0	4.0
2	梁山	中国科学院自动化研究所模式识别国家重点实验室	7	107	5.0	7.0
3	夏莎莎	内蒙古大学计算机学院	1	7	1.0	1.0