基于多度量学习的卷积神经网络复频谱图增强
机器学习
2017-09-12 v2 机器学习
声音
摘要
本文旨在解决当前语音增强方法中存在的两个问题：1) 相位估计的困难；2) 单一目标函数无法同时考虑多个度量。为解决第一个问题，我们提出了一种用于复频谱图增强的新型卷积神经网络（CNN）模型，即从带噪频谱图估计干净的实数和虚数（RI）频谱图。重构的RI频谱图直接用于合成增强的语音波形。此外，由于对数功率频谱图（LPS）可表示为RI频谱图的函数，其重构也被视为另一个目标。因此，结合这两个目标（RI频谱图重构与LPS重构）的统一目标函数，等价于同时优化两个常用客观度量：分段信噪比（SSNR）和对数谱失真（LSD）。由此，该学习过程被称为多度量学习（MML）。实验结果证实了所提出的带有RI频谱图和MML的CNN在语音增强任务上标准化评估度量改善方面的有效性。
引用
@article{arxiv.1704.08504,
title = {Complex spectrogram enhancement by convolutional neural network with multi-metrics learning},
author = {Szu-Wei Fu and Ting-yao Hu and Yu Tsao and Xugang Lu},
journal= {arXiv preprint arXiv:1704.08504},
year = {2017}
}