一种基于计算听觉场景分析的语音增强算法

选取ETSI语音增强系统作为研究对象.该系统使用传统维纳滤波方法,在信噪比较高时降噪性能优秀,但在信噪比较低的情况下,降噪能力弱,对于脉冲噪声无较好抑制.而模拟人耳听觉特性的计算听觉场景分析技术能够比较好地弥补这一缺陷.故在ETSI算法的基础上,结合计算听觉场景分析技术,提出一种新的算法,将维纳滤波器参数估计由原本的Mel域变换到Gammatone域,并进一步利用理想率掩蔽估计对带噪信号进行信噪分离,抑制脉冲噪声.该算法在TIMIT语音库上进行了实验,结果证明,与原算法相比,提出的新算法使听觉质量在低信噪比下提升较大,脉冲噪声抑制亦明显.在低信噪比的情况下,后端语音识别系统的识别率得到提升.

一种基于组合深层模型的语音增强方法

模型建立是语音增强系统的重要一环,对最终系统性能起着决定性的作用。针对语音增强系统在低信噪比和非平稳噪声环境中性能不佳的问题,提出一种基于组合深层模型的语音增强系统。首先,使用深度神经网络(deep neural network,DNN)从含噪语料中估计掩蔽值;然后,将掩蔽值通过前后帧拼接转化为灰度图送入卷积神经网络(convolutional neural network,CNN)进行识别;最后,用识别出的掩蔽矩阵合成目标语音。实验证明,与单纯使用DNN进行掩蔽值估计的系统相比,联合DNN和CNN的语音增强系统在各项评价指标中均得到改进,尤其在低信噪比和非平稳噪声环境中提升更为明显。