张存远，马建芬+，张朝霞

(1.太原理工大学 信息与计算机学院，山西 晋中 030600；2.太原理工大学 物理与光电工程学院，山西 晋中 030600)

0 引 言

语音增强的目的是将目标语音与噪声干扰区分开。为解决传统单声道语音增强算法存在残留噪声的问题，多名研究者提出了基于监督性学习的语音掩蔽增强[1-5]，常见的DNN掩蔽估计目标有：理想二值掩蔽(IBM)[6]、理想比例掩蔽(IRM)[7]等，这些传统的掩蔽算法仅增强语音的幅度谱而不考虑语音的相位信息。虽然这些方法能够显著抑制噪声[8]，但是近年研究发现[9]，当仅增强相位谱并且保持噪声幅度不变时，可以有效地提升语音质量。为此，Williamson等提出了复数域理想掩蔽算法(cIRM)[10]，但该方法没有做到直接对相位估计，仅能转换到复杂的直角坐标系中计算短时傅里叶变换后(STFT)的实部和虚部，同样的相敏掩蔽(PSM)[11]可以简单概括为cIRM的实部，这些方法不能直接处理非结构化特性的相位谱，且计算复杂影响其效率。近年，Zhang等指出相位谱补偿方法(PSC)可以有效地修正相位谱信息[12]，能够大幅度提高语音质量。但其参数固定无法适应非平稳噪声的能量变化，且未能结合监督性学习。

因此，在本文中我们提出了一种基于多目标深度神经网络的相位谱补偿和语音掩蔽联合估计的语音增强算法，通过优化传统相位谱补偿函数，使其更适合作为训练目标，同时达到直接估计相位的目的。为了能够提升相位谱补偿适应噪声能量的波动，在其系数中添加SNR特性。……