低信噪比场景下基于判别深度学习的噪声消除方法比较分析
音频与语音处理
2024-08-28 v1 声音
摘要
本研究对深度学习基于噪声消除方法在低信噪比(SNR)场景下的比较分析进行了调查。我们的调查主要聚焦于五个关键方面：训练数据的影响、各种损失函数的影响、直接与间接语音估计技术的有效性、遮蔽、映射和深度滤波方法的有效性，以及不同模型容量对噪声消除性能和语音质量的影响。通过全面实验，我们提供了这些方法在低SNR环境下优势、劣势及适用性的见解。本研究得出的发现旨在帮助研究人员和实践者选择更适合其特定应用的低SNR噪声消除技术。
引用
@article{arxiv.2408.14582,
title = {Comparative Analysis Of Discriminative Deep Learning-Based Noise Reduction Methods In Low SNR Scenarios},
author = {Shrishti Saha Shetu and Emanuël A. P. Habets and Andreas Brendel},
journal= {arXiv preprint arXiv:2408.14582},
year = {2024}
}
备注
5 pages, 4 figures