基于去噪深度神经网络的语音活动检测
机器学习
2013-11-05 v1 声音
机器学习
摘要
近年来，基于深度信念网络（DBN）的语音活动检测（VAD）被提出。它在融合多种特征的优势方面十分强大，并取得了SOTA性能。然而，基于 DBN 的 VAD 的深层并未表现出相较浅层的明显优势。在本文中，我们提出了一种基于去噪深度神经网络（DDNN）的 VAD 来解决上述问题。具体而言，我们以一种特殊的无监督去噪逐层贪婪模式预训练一个深度神经网络，然后通过常见的反向传播算法以有监督方式对整个网络进行微调。在预训练阶段，我们将含噪语音信号作为可见层，并尝试提取一个新特征，以最小化含噪语音信号与其对应的纯净语音信号之间的重构交叉熵损失。实验结果表明，所提出的基于 DDNN 的 VAD 不仅优于基于 DBN 的 VAD，而且表现出深层相较浅层的显著性能提升。
引用
@article{arxiv.1303.0663,
title = {Denoising Deep Neural Networks Based Voice Activity Detection},
author = {Xiao-Lei Zhang and Ji Wu},
journal= {arXiv preprint arXiv:1303.0663},
year = {2013}
}
备注
This paper has been accepted by IEEE ICASSP-2013, and will be published online after May, 2013