基于条件生成对抗网络的语音增强

发布时间：2021-04-22 18:02

　　语音增强技术目前有传统的方法和深层神经网络的方法,传统的方法假设语音信号和噪音之间的关系做出假设,这往往造成语音增强后效果不佳,深层神经网络的方法具有根据数据进行去噪的能力,避免了前期的假设。论文使用条件生成式对抗网络（Conditional Generative Adversarial Nets）的方法对语音进行增强,采用有监督的训练方式,在训练过程中加入带噪语音信号,能够有效地指导训练的进行。采用PESQ对增强后的语音质量进行评价,实验结果显示,论文方法能够有效地对带噪语音进行增强。 

【文章来源】：计算机与数字工程. 2020,48(08)

【文章页数】：5 页

【文章目录】：
1 引言
2 基于条件生成式对抗网络的语音增强
    2.1 数据准备及预处理方法
        2.1.1 数据准备
        2.1.2 数据划分及数据预处理
    2.2 实验环境介绍
    2.3 条件生成式对抗网络
        2.3.1 生成模型
        2.3.2 判别模型
        2.3.3 模型训练
3 实验与分析
    3.1 不同损失函数下模型的性能
    3.2 与其他方法的对比
4 结语



本文编号：3154220