计算机科学与探索

作者：张涛，任相赢，刘阳，耿彦章

单位：天津大学 电气自动化与信息工程学院，天津 300072

关键词：自编码特征,深度神经网络,特征提取,信噪比

利用监督性学习算法进行语音增强时，特征提取是至关重要的步骤。现有的组合特征和多分辨率特征等听觉特征是常用的声学特征，基于这些特征的增强语音虽然可懂度得到了较大提升，但是仍然残留大量噪声，语音质量（用信噪比衡量）很低。在不影响可懂度的情况下，为了提高语音增强后语音质量，提出了一种基于自编码特征的综合特征。首先利用自编码器提取自编码特征，然后利用Group Lasso算法验证自编码特征与听觉特征的互补性和冗余性，将特征重新组合得到综合特征，最后将综合特征作为语音增强系统的输入特征进行语音增强。在TIMIT语料库和Noisex-92噪声库上进行了仿真实验，结果表明，与传统的语音增强方法以及现有的组合特征和多分辨率特征分别作为语音增强系统输入特征的深度学习等方法相比，提出的增强算法的语音质量得到了较大提升。

来源：2019年第8期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2019年第8期