利用生成噪声提高语音增强方法的泛化能力

• 作者: 夏斌 娄迎曦 梁春燕 袁文浩
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 语音增强 生成式对抗网络 泛化能力 深度神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 791-797
• 页数: 7页
• 分类号: TN912.3
• 字数: 3853字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2019.04.004

摘要

如何提高对未知噪声类型的泛化能力是有监督语音增强方法中亟待解决的重要问题,通过对大量不同类型噪声进行建模,深度神经网络成为了解决该问题的有效手段.为了进一步提高基于深度神经网络的语音增强方法的泛化能力,本文基于生成式对抗网络(Generative Adversarial Networks,GAN)设计了能够由真实噪声数据生成新的噪声类型的NoiseGAN;通过在训练集中增加生成噪声类型,提高训练集噪声类型的多样性,从而达到提高语音增强模型泛化能力的目的.不同结构的网络下的语音增强实验结果表明,本文提出的NoiseGAN能够生成新的噪声类型,具备提高训练集噪声类型多样性的能力,有效提高了语音增强模型在未知噪声类型下的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏斌	山东理工大学计算机科学与技术学院	23	62	5.0	7.0
2	梁春燕	山东理工大学计算机科学与技术学院	12	13	2.0	3.0
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	娄迎曦	山东理工大学计算机科学与技术学院	5	12	2.0	3.0