基于深度神经网络的因果形式语音增强模型

• 作者: 夏斌 梁春燕 袁文浩
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 语音增强 因果形式输入 延时 深度神经网络 卷积神经网络
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 多媒体技术及应用
• 页码范围: 255-259
• 页数: 5页
• 分类号: TP391
• 字数: 3996字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051780

摘要

传统的基于深度神经网络(DNN)的语音增强方法由于采用非因果形式的输入,在处理过程中具有固定延时,不适用于实时性要求较高的场合.针对这一问题,从网络结构角度展开研究,通过实验对不同网络结构在不同输入形式下的语音增强性能进行对比,寻找适用于因果形式输入的网络结构,在此基础上,结合卷积神经网络和长短期记忆网络建立一个能充分利用先前帧信息的因果语音增强模型.实验结果表明,该模型在提高基于DNN的语音增强方法实时性的同时,保证了语音增强性能,其PESQ与STOI得分分别为2.25和0.76.

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