生成式对抗网络在语音增强方面的研究

• 作者: 孙成立 王海武
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 人工智能 生成式对抗网络 生成器 判别器 语音增强
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 应用开发研究
• 页码范围: 152-156,161
• 页数: 6页
• 分类号: TP31
• 字数: 3107字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.02.032

摘要

伴随着人工智能的兴起, 各种深度学习模型应运而生, 生成式对抗网络 (generative adversarial networks, GAN) 作为其中的一种深度学习模型成为了研究热点.GAN已成功应用在图像处理中, 但将其应用在语音增强方面是需要研究的问题.GAN应用在语音增强的研究方法与GAN的实质是一样的, 是通过构造两个模型, 即生成模型 (generative model) 和判别模型 (discriminative model), 也叫做生成器 (generator) 和判别器 (discriminator) .两者通过互相竞争、对抗的形式来学习训练, GAN最终要实现的目标是生成新的数据, 即实现去噪.对GAN在语音增强方面的应用进行了研究, 提出了使用传统的GAN数学模型用于语音增强进行建模, 同时改进了GAN的数学模型并加入了稀疏因式, 将GAN增强后的语音与其他传统的语音增强方法进行对比.实验结果表明, 使用GAN增强后的语音的segSNR和PESQ的得分要比传统的语音增强方法的得分高, 从而证明GAN比其他传统的语音增强方法更具优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙成立	南昌航空大学信息工程学院	17	38	4.0	4.0
2	王海武	南昌航空大学信息工程学院	1	1	1.0	1.0