文献类型：期刊文章

作　　者：李如玮[1] 孙晓月[1] 刘亚楠[1] 李涛[1]

LI Ruwei;SUN Xiaoyue;LIU Yanan;LI Tao(College of Information and Communications Engineering Faculty of Information Technology,Beijing University of Technology,Beijing 100124,China)

机构地区：[1]北京工业大学信息学部信息与通信工程学院

出　　处：《华中科技大学学报（自然科学版）》

基　　金：北京市教委科技计划面上项目(KM201510005007);国家自然科学基金资助项目(51477028)

年　　份：2019

卷　　号：47

期　　号：9

起止页码：78-83

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有语音增强算法在低信噪比(SNR)非平稳噪声环境下的表现并不理想这一问题,提出了一种基于深度学习的语音增强算法.首先,构建了一个深度神经网络(DNN),然后从四个不同分辨率的耳蜗中提取了多分辨率听觉倒谱系数(MRACC)作为神经网络的输入,该系数既关注了细节的高分辨率特征,又把握了全局性的低分辨率特征;其次,跟踪噪声变化构建了一个自适应掩蔽阈值(AM)作为神经网络的训练目标,该阈值能够依据噪声调节理想二值掩蔽(IBM)和理想软掩蔽(IRM)的权重;最后,将估计的自适应掩蔽阈值用于对含噪语音进行增强.实验结果表明:相较于对比算法,该算法不仅可以进一步提高语音质量和可懂度,而且能够抑制更多的噪声.

关 键 词：语音增强 深度神经网络  听觉倒谱系数  自适应掩蔽阈值  低信噪比 噪声跟踪  

分 类 号：TN912.35] TP18]