文章摘要:在传统的基于深度学习的语音增强方法中，为了提高网络对带噪语音的建模能力，通常会采用非因果式的网络输入。由于采用了非因果式的网络输入，导致语音增强系统产生了固定时延，不能满足实时语音增强的系统要求。针对这一问题，通过对现有网络结构的研究，提出了一种用于因果式语音增强的门控循环神经网络（causalgatedrecurrentnetwork，CGRU），解决了在实时语音增强系统中的固定时延问题，同时获得了较好的语音增强性能。为了更好地建模带噪语音信号的相关性，该网络单元当前时刻的输出融合了上一时刻的输入与输出。为了缓解网络训练过程中的过拟合问题，本文采用了线性门控机制，控制信息的传输。实验结果表明，所提方法在增强后的语音感知质量（PESQ），语音客观可懂度（STOI），分段信噪比（SSNR）等指标上均优于传统网络结构的语音增强方法。在信噪比SNR=0dB时的平均语音感知质量（PESQ）为：2.40，平均语音客观可懂度（STOI）为：0.786。

文章关键词:

项目基金: 上一篇：汽车工业论文_一种软件定义车载自组织网的QoS
下一篇：没有了