基于神经网络的语音增强算法研究
利用神经网络提高语音增强模型的性能与泛化能力.对语音信号做短时傅立叶变换并提取对数能量谱特征,使用卷积循环网络(CRN)进行拟合,理想比例掩膜(IRM)作为回归 目标.在方法上与全连接层网络、RNNoise对比,在目标上将理想比例掩膜与直接映射(DM)对比.在未训练过的噪声各个信噪比(SNR)上平均提高主观质量评分0.55分.
神经网络、语音增强、卷积循环网络、理想比例掩膜
37
TP311(计算技术、计算机技术)
2021-04-28(万方平台首次上网日期,不代表论文的发表时间)
共3页
108-110