基于注意力机制的卷积循环网络语音降噪

• 作者: 徐浩森 姜囡 齐志坤
• 来源期刊: 科学技术与工程
• 学科: 工学
• 关键词: 语音降噪 自编解码网络 卷积循环网络 通道注意力机制
• 年，卷（期）: 2022,（5）
• 所属期刊栏目: 论文|Papers
• 页码范围: 1950-1957
• 页数: 8页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1815.2022.05.028

摘要

不同噪声在频谱上具有不同的特性,为了解决卷积神经网络对含有不同噪声的语音降噪的局限性,通过引入通道注意力机制作为卷积循环网络的中间层,将卷积层中不同功能的卷积核赋予不同的权重,使模型在训练时能够对输入数据更有针对性地去除噪声部分,从而达到更好的降噪效果.针对含有15种噪声的含噪语音分别应用循环神经网络、编解码卷积网络和卷积循环神经网络等三种模型进行降噪处理,结果表明引入注意力机制的模型相比于其他两种模型,在感知语音质量评价(perceptual evaluation of speech quality,PESQ)和短时客观可懂度(short time objective intelligibility,STOI)评分上都有所提高,且引入注意力机制的模型能够更好地保留语音的谐波信息.