深度神经网络与约束维纳滤波联合优化的单通道语音增强方法:实验验证
需积分: 11 35 浏览量
更新于2024-09-08
1
收藏 1.28MB PDF 举报
本文档深入探讨了一种结合深度神经网络(DNNs)与约束维纳滤波的单通道语音增强方法的研究。深度神经网络因其强大的特征提取能力,在语音信号处理领域中日益受到重视,特别是在语音增强任务中。为了进一步提升语音增强的性能,研究人员提出了一个新的网络架构,它将深度学习模型与传统的维纳滤波技术相结合。
在该方法中,首先,网络对带有噪声的语音信号进行处理,通过深度神经网络对幅度谱进行训练,以此得到原始语音信号和噪声的估计幅度谱。接着,利用这些估计值,设计了一个约束维纳增益函数,该函数旨在平衡噪声抑制和语音保留,确保在去除噪声的同时尽可能减少语音失真。这一过程涉及到对幅度谱的精细调整,以优化增强后的语音质量。
实验部分采用了一系列针对不同信噪比的20种不同类型的噪声进行仿真测试,结果表明,不论噪声类型是否在训练数据集中出现,这种方法都能有效地去除噪声,同时保持较低的语音失真。相较于传统的DNN(深度神经网络)和NMF(非负矩阵分解)增强方法,该联合优化的方法显示出显著的优势,证明了它在提高语音增强性能方面的有效性。
研究团队由多位专家组成,包括韩伟博士,他专注于深度学习和语音图像处理;张雄伟教授,专攻多媒体信息处理和数字通信;周星宇讲师,从事机器学习研究;白崧廷硕士,主要研究指挥保障和模糊数学;以及闵刚讲师,专注于语音编码和增强技术。他们的合作展示了跨领域的专业知识如何协同作用于解决实际问题,尤其是在复杂的信号处理领域如语音增强。
这篇论文不仅阐述了深度神经网络与约束维纳滤波的理论融合,还提供了实验证据,证实了这种新型方法在实际语音增强任务中的优越性能,对于提升音频处理系统的质量和效率具有重要的理论和实践价值。
2019-08-16 上传
2019-09-06 上传
2019-09-13 上传
2019-09-08 上传
点击了解资源详情
2022-07-02 上传
2021-10-20 上传