基于噪聲基的語(yǔ)音增強(qiáng)方法及其魯棒性問(wèn)題的研究.pdf

1、在語(yǔ)音通信過(guò)程中，由于受到背景噪聲和混響的干擾，導(dǎo)致語(yǔ)音的可懂度下降和聽感變差。因此在語(yǔ)音通信中，通常需要使用語(yǔ)音增強(qiáng)技術(shù)。傳統(tǒng)語(yǔ)音增強(qiáng)方法中，基于無(wú)監(jiān)督學(xué)習(xí)的語(yǔ)音增強(qiáng)方法存在不合理的假設(shè)限制了其性能，近年來(lái)隨著語(yǔ)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(luò)的語(yǔ)音增強(qiáng)方法展現(xiàn)了相對(duì)無(wú)監(jiān)督學(xué)習(xí)方法的極大優(yōu)勢(shì)。
　　首先，我們介紹了基于深層神經(jīng)網(wǎng)絡(luò)的語(yǔ)音增強(qiáng)方法。但是傳統(tǒng)基于深層神經(jīng)網(wǎng)絡(luò)的語(yǔ)音增強(qiáng)方法在收集真實(shí)噪聲的時(shí)候，無(wú)法在

2、覆蓋度方面對(duì)噪聲進(jìn)行度量和控制，也就是說(shuō)，這類方法側(cè)重于數(shù)據(jù)規(guī)模，并沒有對(duì)數(shù)據(jù)進(jìn)行細(xì)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(duì)于一般實(shí)驗(yàn)者來(lái)說(shuō)，獲取真實(shí)噪聲通常需要支付較高的成本。針對(duì)以上問(wèn)題，我們提出了基于噪聲基的深層神經(jīng)網(wǎng)絡(luò)語(yǔ)音增強(qiáng)方法，并針對(duì)噪聲魯棒性問(wèn)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(luò)語(yǔ)音增強(qiáng)方法。因?yàn)樯窠?jīng)網(wǎng)絡(luò)的輸入和輸出及學(xué)習(xí)均是在幀

3、這一級(jí)別進(jìn)行，這給我們?cè)诟〉膯卧仙钊敕治鲈肼暤恼Z(yǔ)譜結(jié)構(gòu)帶來(lái)了可能。因此，首先我們驗(yàn)證了基于深層神經(jīng)網(wǎng)絡(luò)的語(yǔ)音增強(qiáng)方法的對(duì)噪聲學(xué)習(xí)的原理。通過(guò)合理地構(gòu)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(shí)噪聲訓(xùn)練的條件下，基于噪聲基的深層神經(jīng)網(wǎng)絡(luò)語(yǔ)音增強(qiáng)的方法能夠獲得與傳統(tǒng)使用真實(shí)噪聲的方法相當(dāng)?shù)男阅?，同時(shí)證明了這組噪聲基和真實(shí)噪聲存在互補(bǔ)性。
　　再次，為了在有限的訓(xùn)練數(shù)據(jù)規(guī)模的條件下，讓每句語(yǔ)音組合到更多的噪聲基，同時(shí)為了

4、讓噪聲基覆蓋到類型更豐富的真實(shí)噪聲，我們提出了一種基于噪聲基并結(jié)合線性組合的噪聲信號(hào)的構(gòu)造方法。首先，我們介紹了通過(guò)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(guò)將基于噪聲基并結(jié)合線性組合的噪聲信號(hào)直接作為訓(xùn)練噪聲，可以進(jìn)一步提升噪聲基的性能。然后，針對(duì)窄帶噪聲這一細(xì)分類型進(jìn)行定制，可以獲得比50種真實(shí)噪聲更好的性能。此外，噪聲基比真實(shí)噪聲訓(xùn)練效率提高了一倍。
　　最后，使用基于漸進(jìn)學(xué)習(xí)的語(yǔ)音增強(qiáng)方法和基于