利用卷积神经网络从原始语音中检测声门闭合时刻
声音
2019-07-11 v3 音频与语音处理
摘要
声门闭合时刻（GCIs）对应于浊音语音产生过程中对声道发生显著激励的时间位置。鉴于其在语音处理中的重要性，从语音信号中检测 GCI 是一个被充分研究的问题。现有的大多数 GCI 检测方法采用两阶段方法：（i）将语音信号变换为 GCI 定位更好的代表性信号；（ii）利用第一阶段获得的代表性信号提取 GCI。前一阶段使用基于语音产生原理的信号处理技术完成，后一阶段使用动态规划和峰值拾取等启发式算法完成。这些方法因此是任务特定的，并依赖于用于代表性信号提取的方法。然而，在本文中，我们从表示学习的角度来构建 GCI 检测问题，其中适当的表示是从原始语音数据样本中隐式学习的。具体而言，GCI 检测被构建为一个有监督多任务学习问题，使用深度卷积神经网络求解，联合优化分类与回归代价。学习能力通过标准数据集上的若干实验得到展示。结果与最先进（SOTA）算法相比表现相当，而在存在真实世界非平稳噪声的情况下表现更优。
引用
@article{arxiv.1804.10147,
title = {Detection of Glottal Closure Instants from Raw Speech using Convolutional Neural Networks},
author = {Mohit Goyal and Varun Srivastava and Prathosh A. P},
journal= {arXiv preprint arXiv:1804.10147},
year = {2019}
}
备注
Updated submission. Figures Added. Accepted in Interspeech 2019