自动化技术论文_一种用于因果式语音增强的门控-计算机工程

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

自动化技术论文_一种用于因果式语音增强的门控

作者:

关键词:

摘要：

文章摘要:在传统的基于深度学习的语音增强方法中，为了提高网络对带噪语音的建模能力，通常会采用非因果式的网络输入。由于采用了非因果式的网络输入，导致语音增强系统产生了固定时延，不能满足实时语音增强的系统要求。针对这一问题，通过对现有网络结构的研究，提出了一种用于因果式语音增强的门控循环神经网络（causalgatedrecurrentnetwork，CGRU），解决了在实时语音增强系统中的固定时延问题，同时获得了较好的语音增强性能。为了更好地建模带噪语音信号的相关性，该网络单元当前时刻的输出融合了上一时刻的输入与输出。为了缓解网络训练过程中的过拟合问题，本文采用了线性门控机制，控制信息的传输。实验结果表明，所提方法在增强后的语音感知质量（PESQ），语音客观可懂度（STOI），分段信噪比（SSNR）等指标上均优于传统网络结构的语音增强方法。在信噪比SNR=0dB时的平均语音感知质量（PESQ）为：2.40，平均语音客观可懂度（STOI）为：0.786。

文章关键词: