基于A-DResUnet的语音增强方法

为了更精确地从语谱图中提取特征信息,提出了一种基于A-DResUnet的语音增强方法。A-DResUnet模型在ResUnet模型的基础上融合了空洞卷积,提升捕获语音上下文信息的能力;同时在编码器中加入卷积注意力模块(CBAM),提高对噪声谱图特征的关注。实验结果表明,与模型输出目标为干净语音语谱图相比,用噪声谱图作为模型输出目标时,该模型对未知噪声具有更强的分离能力;相较ResUnet模型,提出的A-DResUnet模型减少了语音细节信息的损失;对比基于DNN、GAN的语音增强方法,PESQ平均提升了22.81%、33.11%,STOI平均提升了9.62%、15.33%,为复杂环境下的语音增强提供了一种更有效的方法。

基于端点检测与压缩感知的语音增强方法

语音信号在离散余弦变换(DCT)域上具有稀疏性,为压缩感知(CS)的应用创造了条件。将语音端点检测与压缩感知相结合,提出了一种新的语音增强方法。带噪语音通过端点检测得到有话帧与无话帧,利用压缩感知对有话帧进行降噪。将带噪的有话帧在DCT域稀疏表示,采用稀疏循环结构化矩阵进行压缩观测;利用前导无话段得到的噪声估计,提出双迭代正则化正交匹配追踪法(DIMP),通过该算法重构出有话帧;最后在时域叠接有话帧与无话帧,实现语音增强。实验结果表明:在低信噪比下,文章算法的去噪效果优于传统的谱减法和维纳滤波法。

基于二次引导图像滤波的跨模态语音增强方法

语音信号因背景噪声失真会对语音清晰度和语音质量产生影响.语谱图中语音表现为有规律的图像前景,噪声表现为较为均匀的图像背景.以语谱图为媒介提出了一种基于二次引导图像滤波的语音增强方法,利用跨模态处理技术进行语音增强.其基本原理是利用图像处理技术中的引导图像滤波得到受损语音的语谱图到增强语音的语谱图映射,并直接从受损语音及增强语音的语谱图中计算出增益函数而无需进行噪声估计.为了准确去除语谱图中的噪声,在一次引导图像滤波的基础上引入二次引导图像滤波模型,并利用粒子群算法进行参数优化.实验表明,所提方法可以获得更高的信噪比和更好的语音质量,对降低信号失真和抑制噪声有明显效果.

新课改背景下语文教学的新探索

随着新课改的不断深入，教师对新课改的理解也越来越深入。新课改的中心思想是把学生当成课程建设的主体，并以学生为中心建立自主、合作、探究的学习模式。具体的实施环节以课程实施为核心展开，而课程实施的最基本途径就是课堂教学。本文将对新课改背景下的语文课堂教学进行新的探索。

蜂巢服务体系,创新智慧社区“方法论”

作为中国最大综合类民营企业——复星集团旗下的成员企业,高地物业是复星C2M (Customer to Manufactory,顾客对工厂)战略核心中M端的重要载体,在资源整合能力上拥有直接优势,同时自带庞大C端流量,能够利用大数据分析业主的生活习惯和消费趋向,提供适配的服务和产品,进而搭建出了'蜂巢服务体系'。蜂巢服务体系分为六大模块,分别是蜂巢悦享服务、蜂巢乐享社群、蜂巢智联运营、蜂巢智造生活、蜂巢社区生态和蜂巢有乐体验。