结合深度卷积循环网络和时频注意力机制的单通道语音增强算法

作者：闫昭宇; 王晶^*

来源：信号处理, 2020, 36(06): 863-870.

DOI：10.16798/j.issn.1003-0530.2020.06.007

• 语音增强
• 深度神经网络
• 深度学习
• 监督学习
• 注意力机制

语音增强的目的是从带有噪声的语音中分离出纯净语音,实现语音的质量和可懂度的提高。近年来,采用有监督学习的深度神经网络已经成为了语音增强的主流方法。卷积循环网络是一种新型的神经网络结构,包含编码层、中间层、解码层三个主要模块,其已经在语音增强任务中取得了较好的效果。时频注意力机制是一个由数个相连的卷积层通过跳跃连接构成的简单网络模块,在训练过程中可以计算语音幅度谱特征图的非邻域相关性,从而更加有利于网络关注到语音的谐波特性。本文将时频注意力机制引入卷积循环网络的编码层和解码层中,实验结果表明,在不同信噪比条件下,该方法相比基线卷积循环网络能够进一步提高语音质量和可懂度,且增强后的语音信号可以保留更多的语谱谐波信息,实现更低程度的语音失真。

• 单位
  北京理工大学