APP下载

基于生成对抗网络的语音增强算法研究*

2018-06-05徐志京

网络安全与数据管理 2018年5期
关键词:信号模型

柯 健,徐志京

(上海海事大学 信息工程学院,上海 201306)

0 引言

语音一直是人与人之间交流与信息共享的主要方式,为人们的日常生活带来了极大的便利。然而社会环境是一个复杂的客体,时常会伴随着各种复杂的背景噪声,对语音清晰度产生极大影响[1]。语音增强的目的主要是从带噪语音中提取纯净语音或者去除复杂的背景噪声,以提高语音清晰度和可懂度[2]。

对语音增强的研究开始于20世纪60年代,传统语音增强算法主要有维纳滤波法、谱减法、最小均方误差法、子空间法等,该类方法大多需要依赖于对噪声的估计,因此噪声估计在传统语音增强方法研究中尤为重要。传统的语音增强算法原理简单,实现容易,但是由于对噪声谱的估计不准,导致存在“音乐”噪声。维纳滤波算法虽然有效解决了该问题,使残留噪声近似于白噪声,不再是音乐噪声,输出语音听起来更加悦耳,但维纳滤波器是基于最小均方误差估计,在处理非平稳噪声信号上效果不理想,容易造成语音失真。

随着神经网络的迅速发展,越来越多的神经网络模型也被应用到语音增强算法中,为语音增强算法带来新的可能。深度神经网络的隐含层数目多,而且隐含层的传递函数是非线性函数,可以更好地提取语音信号中的结构化信息和高维信息,具有更强大的表达与建模能力,但是其泛化能力有待提升。传统的语音增强算法中认为人耳对于相位并不敏感,故忽略了相位在语音增强中的作用性,然而2013年Martin Krawczyk等人[3]研究表明相位在提高语音质量上同样具有重要作用。……

登录APP查看全文

猜你喜欢

信号模型
一半模型
信号
完形填空二则
重尾非线性自回归模型自加权M-估计的渐近分布
孩子停止长个的信号
3D打印中的模型分割与打包
基于LabVIEW的力加载信号采集与PID控制
一种基于极大似然估计的信号盲抽取算法
FLUKA几何模型到CAD几何模型转换方法初步研究
高处信号强