科研之友
微信
新浪微博
Facebook
分享链接
摘要
含噪条件下的语音增强技术是语音信号领域的重要研究方向之一，对于提升语音视频通话的质量、提高人机交互、语音识别的性能具有重要作用. 为此，提出了基于扩张卷积和密集连接的语音增强网络结构，通过学习语音时频谱的频率、时间轴的上下文信息，有效提高了网络的特征表达能力. 具体来说，所提结构将扩张卷积融入到时间、频率处理的基础单元中，以确保在频率方向和时间方向上均可获得足够大的感受野，提取出深层语音特征；同时，密集连接被应用到这2个基础单元的级联结构中，由此可避免多处理模块级联带来的信息丢失，从而增强特征利用效率. 实验结果表明所提出的语音增强网络在客观语音质量评估（perceptual evaluation of speech quality，PESQ）和短时客观可懂度（short-time objective intelligibility，STOI）以及各类主观平均意见方面的总体评分，相比于现有的各类语音增强模型，均居于领先水平. 此外，所提网络对各种含噪条件的泛化能力也在实验中得以验证.
-
单位天津大学; 电子工程学院
