采用性别相关的深度神经网络及非负矩阵分解模型用于单通道语音增强

• 作者: 付强 李煦 王子腾 王晓飞 颜永红
• 来源期刊: 声学学报
• 年，卷（期）: 2019,（2）
• 页码范围: 221-230
• 页数: 10页
• 语种: 中文

摘要

为了从带噪信号中得到纯净的语音信号,提出了一种采用性别相关模型的单通道语音增强算法.具体而言,在训练阶段,分别训练了与性别相关的深度神经网络-非负矩阵分解模型用于估计非负矩阵分解中的权重参数;在测试阶段,提出了一种基于非负矩阵分解和组稀疏惩罚的算法用于判断测试语音中说话人的性别信息,然后再采用对应的模型估计权重,并结合已训练好的字典进行语音增强.实验结果表明所提算法在噪声抑制量及语音质量上,均优于一些基于非负矩阵分解的算法和基于深度神经网络的算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜永红	中国科学院声学研究所	94	586	14.0	20.0
2	付强	中国科学院声学研究所	64	626	15.0	23.0
3	王晓飞	中国科学院声学研究所	10	144	4.0	10.0
4	王子腾	中国科学院声学研究所	6	14	2.0	3.0
5	李煦	中国科学院声学研究所	4	2	1.0	1.0