文献类型：期刊文章

作　　者：袁文浩[1] 孙文珠[1] 夏斌[1] 欧世峰[2]

YUAN Wen-Hao;SUN Wen-Zhu;XIA Bin;OU Shi-Feng(College of Computer Science and Technology, Shandong University of Technology, Zibo 255000;Institute of Science and Technology for Opto-electronic Information, Yantai University, Yantai 264005)

机构地区：[1]山东理工大学计算机科学与技术学院,淄博255000 [2]烟台大学光电信息科学技术学院,烟台264005

出　　处：《自动化学报》

基　　金：国家自然科学基金(61701286;61473179);山东省自然科学基金(ZR2015FL003;ZR2014FM007;ZR2017MF047)资助~~

年　　份：2018

卷　　号：44

期　　号：4

起止页码：751-759

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了进一步提高基于深度学习的语音增强方法在未知噪声下的性能,本文从神经网络的结构出发展开研究.基于在时间与频率两个维度上,语音和噪声信号的局部特征都具有强相关性的特点,采用深度卷积神经网络(Deep convolutional neural network,DCNN)建模来表示含噪语音和纯净语音之间的复杂非线性关系.通过设计有效的训练特征和训练目标,并建立合理的网络结构,提出了基于深度卷积神经网络的语音增强方法.实验结果表明,在未知噪声条件下,本文方法相比基于深度神经网络(Deep neural network,DNN)的方法在语音质量和可懂度两种指标上都有明显提高.

关 键 词：语音增强 深度卷积神经网络  深度神经网络  噪声

分 类 号：TN912.3] TP18]