改进谱减法结合神经网络的语音增强研究

背景噪声是通信系统噪声干扰的来源之一,语音增强可以降低乃至消除噪声干扰,进而提高语音的可懂度。为了减小复杂噪声环境下谱减法引发的音乐噪声,采取正交的多窗谱估计对语音功率谱平滑处理,有效的减小了信息丢失和估计波动。利用自适应谱减系数调整谱增益和谱下限来控制残留噪声,利用优化的IMCRA算法对噪声及时更新来判决语音段和静音段,同时借助特性良好的BP神经网络方法进行训练,语音和噪声谱通过谱减后,波形重构获取增强的语音信号。仿真结果表明语音降噪效果好、可懂度高。

基于2阶段循环神经网络的语音增强算法

基于神经网络的语音增强算法模型直接在时域或时频域操作导致算法具有很高的复杂度,难以在低算力平台下实现应用。针对这一问题,提出一种基于2阶段循环神经网络的语音增强算法,在保证算法性能的前提下,大幅减少了算法复杂度。算法由2阶段子网络构成,第一阶段对语音的梅尔子带特征利用循环神经网络进行建模预测幅度谱掩码以实现语音幅度的增强。第2阶段通过循环神经网络估计噪声幅值联合相位谱补偿算法实现语音的相位的补偿。通过2阶段网络并行优化,获得了较好的增强性能。实验结果表明:相比基线模型,本文提出的算法在更低的复杂度情况下,在语音的客观指标上依旧具有优良的表现。

利用奇异谱分析的深度神经网络语音增强方法

针对现有深度神经网络语音增强方法对带噪语音的去噪能力有限、语音质量提升不高的问题,提出了一种基于奇异谱分析的深度神经网络语音增强方法。通过引入奇异谱分析算法对带噪语音进行预处理,以初步分离得到语音信号与噪声。接着将语音信号与噪声用于深度神经网络模型的训练,以得到性能更优的网络模型,从而使得本文方法具有更好的性能。最后在重建干净语音的环节中,同时使用神经网络估计得到的对数功率谱和带噪语音的对数功率谱,并加入了权重系数,使得本文提出的方法可以适应不同信噪比的情形,有效的去除背景噪声,降低语音信号的失真。本文通过仿真实验验证了该方法的有效性和鲁棒性。

基于循环神经网络与子带谱熵法的助听器语音增强

在日常生活中常见的非平稳噪声环境下,现有助听器语音增强算法的降噪性能有所不足。对此,本文提出了一种结合子带谱熵法与双尺度循环神经网络的助听器语音增强算法。该算法将音频划分为16个子频段,各频段的对数功率谱被用作循环神经网络的输入特征,对应的频段增益作为输出特征,并使用子带谱熵法对增益进行修正。实验结果表明,相较于传统语音增强算法,在三类不同的噪声环境中,本文提出算法的平均信噪比分别提高了4.215 dB、0.906 dB、11.010 dB。在FPGA上对该算法进行测试,输出与计算机模拟输出的信噪比差值为0.117 dB,互相关系数为0.9994。并且当时钟频率设置为10 MHz时,算法的延时约为2 ms,可以满足助听器的使用需求。

基于人工神经网络的血清蛋白质指纹图谱模型在先天性巨结肠患儿诊断中的应用

目的建立蛋白质芯片技术检测血清蛋白质指纹图谱的方法,探讨基于人工神经网络(ANN)的血清蛋白质指纹图谱模型在先天性巨结肠(HD)患儿诊断中的应用价值。方法应用蛋白质指纹图谱分析仪测定HD患儿64例、巨结肠类缘病患儿25例和健康儿童23例血清标本的蛋白质指纹图谱,并结合ANN方法进行数据分析。112例标本随机分成训练组66例(HD40例,巨结肠类缘病14例,健康儿童12例)和盲法测试组46例(HD24例,巨结肠类缘病11例,健康儿童11例)。利用从训练组得出的基于ANN的血清蛋白质指纹图谱模型,对46例未知血清进行检测,并与X线影像学检查结果进行比较。结果筛选出质荷比(m/z)位于7211.6和2864.8的蛋白质标志物2个。在HD组表达强度分别为6.15±2.21和2.78±1.21,巨结肠类缘病组表达强度分别为12.82±7.56和4.86±0.91(Pa<0.01)。筛选出m/z位于6884.2和5639.2的蛋白质标志物2个。HD组表达强度分别为4.09±1.78和15.57±8.87,健康对照组表达强度分别为8.31±3.07和30.31±6.18(P<0.01)。应用该方法对HD患儿进行诊断的准确率、敏感度和特异度分别为89.13%(41/46例)、87.50%(21/24例)和90.91%(20/22例),明显高于X线影像学检查68.8%(77/112例)、82.8%(53/64例)和50.0%(24/48例)。结论在HD患儿的诊断中,利用从训练组得出的基于ANN的血清蛋白质指纹图谱模型较传统方法有更高的敏感性和特异性。

基于神经网络的语音增强系统设计

利用神经网络设计语音信号增强处理系统,在无噪和含噪条件下,提取语音信号的MFCC系数,用于BP神经网络的训练和识别,最终达到语音信号消噪和提高可懂度的目的。自适应神经网络系统具有非线性映射和自学习能力,能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计,并且能够克服信号处理中存在的不确定性。仿真结果表明,该自适应噪声抵消器的设计方法,不仅实现简单,而且节省运行时间,语音增强效果很好。

联合精确比值掩蔽与深度神经网络的单通道语音增强方法

针对目前有监督语音增强忽略了纯净语音、噪声与带噪语音之间的幅度谱相似性对增强效果影响等问题,提出了一种联合精确比值掩蔽(ARM)与深度神经网络(DNN)的语音增强方法。该方法利用纯净语音与带噪语音、噪声与带噪语音的幅度谱归一化互相关系数,设计了一种基于时频域理想比值掩蔽的精确比值掩蔽作为目标掩蔽;然后以纯净语音和噪声幅度谱为训练目标的DNN为基线,通过该DNN的输出来估计目标掩蔽,并对基线DNN和目标掩蔽进行联合优化,增强语音由目标掩蔽从带噪语音中估计得到;此外,考虑到纯净语音与噪声的区分性信息,采用一种区分性训练函数代替均方误差(MSE)函数作为基线DNN的目标函数,以使网络输出更加准确。实验表明,区分性训练函数提升了基线DNN以及整个联合优化网络的增强效果;在匹配噪声和不匹配噪声下,相比于其它常见DNN方法,本文方法取得了更高的平均客观语音质量评估(PESQ)和短时客观可懂度(STOI),增强后的语音保留了更多语音成分,同时对噪声的抑制效果更加明显。

利用深层卷积网络自适应增强学习的水声目标线谱提取方法

提出了一种使用自适应增强学习的深层卷积神经网络方法对水声目标线谱进行提取。该方法利用构造的多尺度ConvNeXt算子建立滑动窗深层卷积神经网络模型(SwDCNN),设计涵盖损失函数、学习率更新和模型迭代优化的自适应增强学习准则并用于模型训练。仿真和海试数据验证结果表明,所提方法有以下优点:(1)卷积算子和模型结构参数按线谱提取需求配置,可以增强LOFAR谱图特征高性能多分辨力挖掘能力;(2)大规模数据下的模型训练可实现渐进式精确拟合,有助于提升模型收敛效果;(3)模型可有效提取低信噪比、中断、弯曲漂移、粗细不均、邻近成簇、密集分布等复杂情况下的线谱,在查全率、查准率、虚警率、线谱位置精度(LLA)和线谱幅值精度(LAA)等指标上均优于文中其他深度神经网络方法;(4)和传统及其他文中所用的深度神经网络方法相比,线谱最小可检测信噪比分别降低超过5 dB和2 dB,实际复杂场景线谱提取能力更强,综合效果更好。

基于语谱图和神经网络的声纹识别研究

随着科技的不断发展,人们对信息安全的要求越来越高,如何更简单、更方便、更加安全地进行身份验证变得异常重要.在卷积神经网络(CNN)的基础上,结合语谱图和直方均衡增强算法对声纹识别特征进行学习和训练.模型使用非固定长度语音段,首先将语音段进行滤波、分帧、加窗和离散余弦变换得到语谱图,再使用直方均衡算法将像素点不均匀分布语谱图转化成像素点能在整个灰度区间均匀分布的语谱图,最后使用CNN对语谱图进行特征训练和身份认证.

位置社交网络中谱嵌入增强的兴趣点推荐算法

为了有效地捕捉LBSN中丰富的签到、社交等多维上下文信息的空间特性,并深层挖掘用户和POI之间的非线性交互,提出了一种谱嵌入增强的POI推荐算法——PSC-SMLP,设计了偏好增强的谱聚类算法PSC和谱嵌入增强的神经网络SMLP。在2个经典数据集上与现有的POI推荐算法相比,PSC-SMLP可以深层学习用户对POI的个性化偏好,在准确率、召回率、nDCG、平均精度等指标中均获得较大提升。

基于稀疏回归深度神经网络的单通道语音增强

语音增强可以改进语音质量,抑制、降低噪声干扰,提高信噪比,在手机等语音通信设备中广泛应用。近年来,由于深度神经网络学习的语音增强技术,可有效克服传统神经网络语音消噪算法易陷于局部最优的不足,取得更好的语音消噪效果,成为语音增强技术领域的研究热点。本文针对已有深度神经网络模型泛化能力较弱、存储开销较大等问题,研究提出一种基于稀疏回归深度神经网络的语音增强算法。该算法通过在预训练阶段引入丢弃法(Dropout)和稀疏约束正则化技术改进训练模型保持预训练和调优阶段模型结构一致性,提升模型泛化能力。通过权值共享和权值量化进行网络压缩,降低存储开销。用谱减法进行后处理,有效去除稳态噪声,提高语音质量。仿真实验结果表明,改进算法可达到较高的语音性能评价指标,取得较好的语音增强效果,可满足语音增强处理要求。

基于特征增强与时空信息嵌入的涡扇发动机剩余寿命预测

针对现有的剩余寿命预测方法对原始数据利用率不高以及多维数据特征提取能力不足的问题,提出了一种基于特征增强和时空信息嵌入的卷积神经模型。首先,通过特征增强模块在原始数据基础上进一步提取工况特征与手工特征作为辅助特征;其次,提出了时空嵌入模块,对原始数据进行时空信息编码以嵌入时间序列信息和空间特征信息;最后,拼接上述特征并通过回归预测模块捕获数据内在关系得到回归预测结果。在通用的涡扇发动机模拟数据集(C-MAPSS)上对该模型预测效果进行了测试。实验结果表明,与现有主流深度学习方法相比,该模型在四个子集上的均方根误差平均减少了8.8%,且在多工况的运行条件和故障类型下,其预测精度均优于现有先进算法,充分证明了该模型在涡扇发动机剩余使用寿命预测方面的有效性和准确性。

基于机器学习的语音增强技术

主要研究基于机器学习的语音增强技术,以提升语音信号的质量。首先,介绍基于机器学习的语音增强系统框架。其次,详细探讨谱减法与深度神经网络(Deep Neural Network,DNN)相结合的语音增强方法的数学原理。最后,采用NOISEX-92数据集测试与评估提出的方法。实验结果表明,基于谱减法与DNN的语音增强方法在提升信噪比和语音清晰度方面取得显著的效果,能够有效提升语音通信质量。

融合多尺度特征与上下文信息的语音增强方法

在语音增强中,常用自编码器结构自动提取特征,但这样得到的特征单一或者冗余且不能较好地捕获语音信号的上下文依赖关系。因此,提出一种融合多尺度特征和上下文信息的语音增强方法MSF-CI。首先,利用多尺度卷积块提取语音信号的多尺度特征,解决特征单一问题;其次,利用注意力机制关注所提取特征的空间与通道关键信息,解决特征冗余问题;最后,使用门控卷积循环神经网络学习语音信号中跨度较长的上下文依赖关系,并通过门控线性单元提高该网络的非线性学习能力,从而提高模型的泛化性。实验结果表明,MSF-CI在低信噪比和不同噪声环境下增强语音信号的语音感知质量、短时客观可懂度等多个指标上均优于GRN、DPT-FSNet、U-Net等同类的单通道语音增强模型。在信噪比为0 dB时,该方法的平均语音感知质量和平均语音客观可懂度达到1.49和0.761。在构建的安多藏语语料库上验证模型的泛化性,平均语音感知质量和平均语音客观可懂度相对于噪声提高了20.7%和11.3%,MSF-CI模型不仅可以提升语音的质量与可理解度,而且具有较优的泛化性。

Transformer与CNN并行引导的水下图像增强

为克服水下图像对比度低和色偏的问题,提出了基于Transformer与CNN并行引导的水下图像增强算法。利用3D位置嵌入模型为Transformer提供相对位置信息、色偏信息和特征图的全局特征,利用CNN编码器提取图像局部特征,将Transformer提取的全局特征和CNN提取的局部特征通过特征调制矩阵整合在一起,通过CNN解码器提高图像的分辨率,将解码器输出的特征图输入到特征加强网络中,由特征加强网络输出最终结果。采用现有的EUVP配对数据集进行训练,为验证该算法的优越性,选取具有不同程度色偏的水下图像进行定性比较和定量实验,结果显示,该算法增强后的水下图像峰值信噪比指标(peak signal-to-noise ratio,PSNR)和结构相似性指标(structural similarity index measure,SSIM)均高于其他对比算法,主观质量也得到显著提高,能够产生颜色丰富且清晰度较高的增强图像。

嵌入式系统中语音增强改进算法的研究

分析比较对带噪语音进行语音增强的各种主要算法,根据嵌入式系统的特殊要求选择减谱法,详细介绍了减谱法原理并分析其缺陷和不足,同时对其改进算法进行研究并探讨实现过程。对于减谱法改进算法中参数如何选择以达到最佳噪声抑制效果,各教科书均未给出准确说明,并且国内外也未达成一致。本文在建立语音模拟实验平台的基础上,通过大量的模拟实验,给出较优的参数组合,最后给出语音增强的效果。

基于ML-PCA-BP模型的多环芳烃拉曼光谱定量分析

芘作为多环芳烃(PAHs)类物质广泛存在于自然环境中,亲脂性强,对人体有致癌影响。因此,食用油中芘的含量的判定对品质的把控具有深远的意义。采用拉曼光谱与人工智能算法相结合进行多环芳烃的定量分析是当前的一个研究热点。将一毫升食用油与不同固定浓度的芘液体混合制作样本,然后制作薄层色谱板与金粒子,采用薄层色谱和表面增强拉曼散射(SERS)光谱相结合的方法进行实验获得光谱数据,选取自适应迭代加权惩罚最小二乘算法进行预处理,再采用Multi parameter-Principal Component Analysis-Back Propagation Neural Network模型方法进行定量分析。该模型首先在预处理后的光谱中选取两个特征峰进行分峰拟合获取特征峰的高度、半高宽、面积等参数。将两个特征峰的拉曼数据与通过拟合获取的参数进行归一化再采用主成分分析获取关键参数,将获取的关键参数作为输入层输入基于L2正则化的BP神经网络中,输出预测浓度。实验分别采用不同的算法进行浓度预测,实验结果表明,通过偏最小二乘算法预测的芘浓度,其测试集决定系数R^(2)为0.58,均方根误差(RMSEC)为1.85;采用线性回归拟合特征峰面积与浓度的规律最终预测的芘浓度,其测试集决定系数R^(2)为0.26,均方根误差(RMSEC)为2.28;采用Multi parameter-Principal Component Analysis-Back Propagation Neural Network模型预测芘浓度,其测试集决定系数R^(2)为0.99,均方根误差(RMSEC)为0.31,Multi parameter-Principal Component Analysis-Back Propagation Neural Network模型预测精准度更高,误差更小。模型是针对光谱数据信息与样本浓度之间非线性、高维度的关系,而建立的预测精度及建模效率均高于同类对比的算法模型。模型拟合特征峰获取关键变量,将关键变量与特征峰的拉曼位移都作为特征向量,因此特征向量较为充分,模型利用PCA提取拉曼光谱非线性特征并且采用基于L2正则化BP神经网络泛化力强的优点,防止过拟合,因此可以更加精准快捷地预测出芘的浓度。

联合深度编解码网络和时频掩蔽估计的单通道语音增强

提出了一种联合深度编解码神经网络和时频掩蔽估计的语音增强方法。该方法利用深度编解码网络估计时频掩蔽表示,并联合带噪语音的幅度谱学习带噪语音与纯净语音幅度谱之间的非线性映射关系。深度编解码网络采用卷积-反卷积网络结构。在编码端,利用卷积网络的局部感知特性,对带噪语音的时频域结构特征进行建模,提取语音特征,同时抑制背景噪声。在解码端,利用编码端提取到的语音特征逐层恢复局部细节信息并重构语音信号。同时,在编解码端对应层之间引入跳跃连接,以减少由于池化和全连接操作导致的低层细节信息丢失的问题。在TIMIT语音库和不完全匹配噪声集下进行仿真实验,实验结果表明,该方法可以有效抑制噪声,且能较好地恢复出语音细节成分。

时频谱图和数据增强的水声信号深度学习目标识别方法

水声目标识别一直是水声领域研究的重点问题之一,深度学习方法可以有效地解决目标识别问题,然而,水声样本的稀少限制了该方法的应用。该文提出一种基于数据增强的水声信号深度学习目标识别方法,该方法以Mel功率谱作为网络的输入特征,通过对原始信号在时域和时频域的拉伸和掩蔽等变换,实现数据扩展和增加泛化性能的目的,最后,利用改进的VGG网络模型实现目标分类。实验结果表明,该文方法得到的水下目标识别准确率(95.2%)要优于其他4种对比方法,证明了该文提出的网络模型和数据增强方法均有助于提高目标分类性能。

基于卷积循环网络与非局部模块的语音增强方法

现有的深度神经网络语音增强方法忽视了相位谱学习的重要性,从而造成增强语音质量不理想。针对这一问题,文中提出了一种基于卷积循环网络与非局部模块的语音增强方法。通过设计一种编解码网络,将语音信号的时域表示作为编码端的输入进行深层特征提取,从而充分利用语音信号的幅值信息以及相位信息。在编码端和解码端的卷积层中加入非局部模块,在提取语音序列关键特征的同时,抑制无用特征,并引入门控循环单元网络捕捉语音序列间的时序相关性信息。在ST-CMDS中文语音数据集上实验结果表明,与未处理的含噪语音相比,使用文中方法生成的增强语音质量和可懂度平均提升了61%和7.93%。