基于SI-SDR优化的生成对抗网络语音增强方法

• 作者: 于泓 周尧风 曹洁 李晓旭
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 生成对抗网络(GAN) 语音增强 客观可懂性 深度卷积神经网络 损失函数
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 信息科学与工程
• 页码范围: 17-23
• 页数: 7页
• 分类号: TN912.3
• 语种: 中文
• DOI: 10.13245/j.hust.201122

摘要

为了解决现有的生成对抗网络(GAN)语音增强方法模型训练不稳定、生成语音质量不高的问题,提出一种尺度不变信号失真比(SI-SDR)优化的相对平均生成对抗网络(RaGAN)语音增强方法.首先,构建一个基于生成对抗网络的端到端语音增强模型;然后,在模型中加入相对平均判别器,将真实数据和生成数据得分的差值作为模型训练的参考,显著增强了模型训练的稳定性;最后,采用SI-SDR直接度量生成语音的质量得分,并改进生成器训练的损失函数,将提高生成语音质量作为模型优化的目标.实验结果表明:相比基线方法,该方法可以有效提高未知噪声和低信噪比条件下的语音增强性能,增强后的语音具有更好的听觉质量和可懂性.