基于A-DResUnet的语音增强方法

作者：李吉祥; 倪旭昇; 颜上取; 邹孝; 钱盛友^*

来源：电子测量与仪器学报, 2022, 36(10): 131-137.

DOI：10.13382/j.jemi.B2205308

• 语音增强
• 语谱图
• 模型输出目标
• 空洞卷积
• 卷积注意力模块

为了更精确地从语谱图中提取特征信息，提出了一种基于A-DResUnet的语音增强方法。A-DResUnet模型在ResUnet模型的基础上融合了空洞卷积，提升捕获语音上下文信息的能力；同时在编码器中加入卷积注意力模块(CBAM),提高对噪声谱图特征的关注。实验结果表明，与模型输出目标为干净语音语谱图相比，用噪声谱图作为模型输出目标时，该模型对未知噪声具有更强的分离能力；相较ResUnet模型，提出的A-DResUnet模型减少了语音细节信息的损失；对比基于DNN、GAN的语音增强方法，PESQ平均提升了22.81%、33.11%,STOI平均提升了9.62%、15.33%,为复杂环境下的语音增强提供了一种更有效的方法。

• 单位
  湖南师范大学