利用深度全卷积编解码网络的单通道语音增强

• 作者: 孙蒙 张雄伟 时文华 邹霞
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 语音增强 跳跃连接 编解码 卷积神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 应用
• 页码范围: 631-640
• 页数: 10页
• 分类号: TN912.3
• 字数: 6765字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.04.014

摘要

针对传统的神经网络未能对时频域的相关性充分利用的问题,提出了一种利用深度全卷积编解码神经网络的单通道语音增强方法.在编码端,通过卷积层的卷积操作对带噪语音的时频表示逐级提取特征,在得到目标语音高级特征表示的同时逐层抑制背景噪声.解码端和编码端在结构上对称,在解码端,对编码端获得的高级特征表示进行反卷积、上采样操作,逐层恢复目标语音.跳跃连接可以很好地解决极深网络中训练时存在的梯度弥散问题,本文在编解码端的对应层之间引入跳跃连接,将编码端特征图信息传递到对应的解码端,有利于更好地恢复目标语音的细节特征.对特征融合和特征拼接两种跳跃连接方式、L1和L2两种训练损失函数对语音增强性能的影响进行了研究,通过实验验证所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张雄伟		10	7	2.0	2.0
2	邹霞		4	6	2.0	2.0
3	孙蒙		12	11	2.0	2.0
4	时文华		1	2	1.0	1.0