张禧辰，李云海，朱文辉，陈静静

（1.江苏大学卓越学院，镇江 212000；2.江苏大学计算机科学与通信工程学院，镇江 212000）

0 引言

语音增强旨在解决噪声对语音的干扰问题，是语音信号处理中的重要前端技术之一。截至目前，语音增强技术已经在各领域中占据十分重要的地位，例如Google智能音箱的语音唤醒，该功能就需要利用语音增强技术滤除环境中的噪声，以提高语音唤醒的成功率。总的来说，语音增强方法可以分为单通道语音增强方法和多通道语音增强方法，其划分的主要标准是根据麦克风的数量不同。单通道语音增强方法接收单麦克风信号，主要从信号本身的声学和统计特性等角度出发进行增强；多通道语音增强方法则接收麦克风阵列的信号，可以利用麦克风阵列之间的空间信息。相比于多通道语音增强方法，单通道语音增强方法缺少空间信息，更具挑战性，但具备便捷、成本低的特点。因此，本文针对单通道语音增强问题提出了基于时频域特征与DPRNN（dual-path recurrent neural network，双路循环神经网络）的语音增强方法。

传统的单通道语音增强方法有谱减法［1-2］、维纳滤波法［3］等。谱减法是在带噪语音中预测出噪声信号，将带噪语音与预测出的噪声信号在功率谱（或幅度谱）上直接进行相减，从而得到增强语音的一种语音增强方法。谱减法假设混合信号是由纯净信号与平稳的噪声信号叠加形成，不能有效处理随机干扰信号，实际应用场景十分受限。维纳滤波法则是将带噪语音经过线性滤波器后得到次优语音，并求得次优语音与纯净语音均方误差最小时的最优滤波器参数，再根据该滤波器参数处理得到最优的增强语音。……