基于不同时频掩模神经网络语音增强的研究

在基于时频掩模的深度神经网络语音增强系统中,学习目标的选择对于整体语音增强性能的影响极大,文章针对目前最常用的学习目标——理想二值掩模和理想浮值掩模在语音增强中的效果进行了研究,为验证不同时频掩消除噪声模性能的好坏,设计了多组对比实验,为以后深度学习训练过程中直接选择学习目标提供依据。仿真结果表明:在不同信噪比和不同噪声条件下,理想浮值掩模的性能均好过理想二值掩模。