科研之友
微信
新浪微博
Facebook
分享链接
摘要
在进行混合语音分离时，信号时域特征的深度学习语音分离性能优于频域特征。但目前时域特征的语音分离方法在真实噪声环境下的鲁棒性较差，且单一时域特征对分离模型的性能存在局限性。因此，提出一种基于Conv-TasNet网络的多特征语音分离方法，融合频域特征与时域特征，提高数据的多维信息。为了进一步提高分离网络性能，引入多尺度卷积块，提高网络对特征的提取能力。在包含真实噪声的实验环境下，所提方法与Conv-TasNet模型和最新的时频域融合语音分离基线模型相比，性能分别提高了0.91和0.52 dB,有效提升了语音分离的性能及鲁棒性。
- 单位
