基于卷积编解码器和门控循环单元的语音分离算法

发布时间：2021-11-23 18:38

　　在大部分基于深度学习的语音分离和语音增强算法中,把傅里叶变换后的频谱特征作为神经网络的输入特征,并未考虑到语音信号中的相位信息。然而过去的一些研究表明,尤其是在低信噪比（SNR）条件下,相位信息对于提高语音质量是必不可少的。针对这个问题,提出了一种基于卷积编解码器网络和门控循环单元（CED-GRU）的语音分离算法。首先,利用原始波形既包含幅值信息也包含相位信息的特点,在输入端以混合语音信号的原始波形作为输入特征;其次,通过结合卷积编解码器（CED）网络和门控循环单元（GRU）网络,可以有效解决语音信号中存在的时序问题。提出的改进算法在男性和男性、男性和女性、女性和女性的语音质量的感知评价（PESQ）和短时目标可懂度（STOI）方面,与基于排列不变训练（PIT）算法、基于深度聚类（DC）算法、基于深度吸引网络（DAN）算法相比,分别提高了1. 16和0. 29、1. 37和0. 27、1. 08和0. 3;0. 87和0. 21、1. 11和0. 22、0. 81和0. 24;0. 64和0. 24、1. 01和0. 34、0. 73和0. 29个百分点。实验结果表明,基于CED-GRU... 

【文章来源】：计算机应用. 2020,40(07)北大核心CSCD

【文章页数】：5 页

【部分图文】：

不同算法的SAR平均值

不同算法的SIR平均值

LSTM结构

【参考文献】：
期刊论文
[1]基于深层声学特征的端到端语音分离[J]. 李娟娟,王丹,李子晋.  计算机系统应用. 2019(10)
[2]一种基于卷积神经网络的端到端语音分离方法[J]. 范存航,刘斌,陶建华,温正棋,易江燕.  信号处理. 2019(04)



本文编号：3514441