10.19678/j.issn.1000-3428.0054556
基于准循环神经网络的语音增强方法
在基于深度学习的语音增强模型中,长短时记忆网络能较好地解决序列语音增强问题,但该模型在处理大规模含噪语音数据时存在训练速度缓慢的问题.为此,提出一种基于准循环神经网络的语音增强方法.利用门函数和记忆单元确保含噪语音序列上下文的相关性,门函数的计算不再依赖上一时刻的输出,且该模型在含噪语音序列的输入和门函数的计算中都引入矩阵的卷积运算,使模型可以同时处理多个时刻的语音序列信息,从而增强模型并行计算的能力.实验结果表明,与长短时记忆网络相比,该方法能在保证语音增强性能的前提下,有效提高网络模型的训练速度.
语音增强、准循环神经网络、长短时记忆网络、神经网络、卷积运算
46
TP391(计算技术、计算机技术)
国家自然科学基金;山东省自然科学基金
2020-05-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
316-320