基于循环一致生成对抗网络的两阶段复数网络用于语音增强
声音
2021-09-07 v1 人工智能
音频与语音处理
摘要
循环一致生成对抗网络（CycleGAN）在语音增强（SE）中已展现出良好的性能，而这些基于 CycleGAN 的 SE 系统存在一个难以解决的缺点，即噪声分量在循环中传播且无法被完全消除。此外，传统的基于 CycleGAN 的 SE 系统仅估计谱幅度，而相位保持不变。受多阶段学习概念的启发，我们在本文中提出一种新颖的两阶段去噪系统，其结合了基于 CycleGAN 的幅度增强网络与后续的复数谱精修网络。具体而言，在第一阶段，基于 CycleGAN 的模型仅负责估计幅度，随后将其与原始含噪相位耦合以获得粗增强的复数谱。此后，应用第二阶段通过复数谱映射网络进一步抑制残余噪声分量并估计干净相位，该网络是由复数 2D 卷积/反卷积与复数时频注意力块组成的纯复数值网络。在两个公开数据集上的实验结果表明，所提方法在各种评价指标上持续超越以往的单阶段 CycleGAN 及其他最先进的 SE 系统，尤其在背景噪声抑制方面。
引用
@article{arxiv.2109.02011,
title = {A Two-stage Complex Network using Cycle-consistent Generative Adversarial Networks for Speech Enhancement},
author = {Guochen Yu and Yutian Wang and Hui Wang and Qin Zhang and Chengshi Zheng},
journal= {arXiv preprint arXiv:2109.02011},
year = {2021}
}
备注
Accepted by Speech Communication