基于噪聲基的語音增強方法及其魯棒性問題的研究.pdf

1、在語音通信過程中，由于受到背景噪聲和混響的干擾，導致語音的可懂度下降和聽感變差。因此在語音通信中，通常需要使用語音增強技術。傳統(tǒng)語音增強方法中，基于無監(jiān)督學習的語音增強方法存在不合理的假設限制了其性能，近年來隨著語音數(shù)據(jù)規(guī)模的增大和硬件性能的提高，基于深層神經(jīng)網(wǎng)絡的語音增強方法展現(xiàn)了相對無監(jiān)督學習方法的極大優(yōu)勢。
　　首先，我們介紹了基于深層神經(jīng)網(wǎng)絡的語音增強方法。但是傳統(tǒng)基于深層神經(jīng)網(wǎng)絡的語音增強方法在收集真實噪聲的時候，無法在

2、覆蓋度方面對噪聲進行度量和控制，也就是說，這類方法側重于數(shù)據(jù)規(guī)模，并沒有對數(shù)據(jù)進行細致的分析。在數(shù)據(jù)量較大之后，噪聲數(shù)據(jù)通常存在較大的冗余。此外，對于一般實驗者來說，獲取真實噪聲通常需要支付較高的成本。針對以上問題，我們提出了基于噪聲基的深層神經(jīng)網(wǎng)絡語音增強方法，并針對噪聲魯棒性問題開展了系統(tǒng)性的研究。
　　其次，考慮到噪聲的多樣性和緊湊性，我們提出了一種基于噪聲基的深層神經(jīng)網(wǎng)絡語音增強方法。因為神經(jīng)網(wǎng)絡的輸入和輸出及學習均是在幀

3、這一級別進行，這給我們在更小的單元上深入分析噪聲的語譜結構帶來了可能。因此，首先我們驗證了基于深層神經(jīng)網(wǎng)絡的語音增強方法的對噪聲學習的原理。通過合理地構造一組完備的具有表征性和區(qū)分性的噪聲基，在不使用任何真實噪聲訓練的條件下，基于噪聲基的深層神經(jīng)網(wǎng)絡語音增強的方法能夠獲得與傳統(tǒng)使用真實噪聲的方法相當?shù)男阅?，同時證明了這組噪聲基和真實噪聲存在互補性。
　　再次，為了在有限的訓練數(shù)據(jù)規(guī)模的條件下，讓每句語音組合到更多的噪聲基，同時為了

4、讓噪聲基覆蓋到類型更豐富的真實噪聲，我們提出了一種基于噪聲基并結合線性組合的噪聲信號的構造方法。首先，我們介紹了通過噪聲基的線性組合可以覆蓋到更多噪聲類型的原理。其次，根據(jù)這一原理，通過將基于噪聲基并結合線性組合的噪聲信號直接作為訓練噪聲，可以進一步提升噪聲基的性能。然后，針對窄帶噪聲這一細分類型進行定制，可以獲得比50種真實噪聲更好的性能。此外，噪聲基比真實噪聲訓練效率提高了一倍。
　　最后，使用基于漸進學習的語音增強方法和基于