一种基于表征学习的深度学习语音增强方法

摘要

随着模型训练方法的进一步发展，越来越多的深度学习方法被用于语音增强。基于深度学习的方法在语音增强方面取得了较好的效果，但在将噪声语音映射为纯语音的过程中，DNN的输入通常是噪声语音的时域PCM或频域幅度谱。这样，输入层的单元数就太大了。它不仅增加了DNN训练阶段的复杂度，而且降低了纯语音与噪声的区别。为了提高增强语音的质量和可理解性，减少DNN输入层的单元数，本技术使用了AE与DNN相结合的降噪算法。在时域提取语音特征，利用黄金分割法确定声发射每一隐藏层的单元数。然后将声发射提取的语音特征应用到基于DNN的语音增强系统中。