融合注意力机制的QRNN语音增强方法

作者：娄迎曦; 袁文浩^*; 时云龙; 胡少东

来源：山东理工大学学报(自然科学版), 2022, 36(03): 7-12.

DOI：10.13367/j.cnki.sdgc.2022.03.001

• 语音增强
• 准循环神经网络
• 注意力机制
• 并行计算

为在保障网络训练速度的基础上进一步提高语音增强性能,提出一种融合注意力(Attention)机制的准循环神经网络(QRNN)语音增强方法。通过QRNN序列信息并行计算的特性保证网络的训练速度,将Attention机制重新赋予权重的含噪语音序列作为QRNN层的输入,使网络更加关注目标语音序列信息,以提高语音增强模型的性能。实验结果表明,融合注意力机制的QRNN与其他模型相比,在保证网络训练速度的基础上,通过Attention机制提高了对噪声的抑制能力,获得了更高质量和可懂度的增强语音。

• 单位
  山东理工大学