GEDI：用于预测增强语音可懂度的伽马啁啾包络失真指数
声音
2020-07-21 v6 音频与语音处理
摘要
在本研究中，我们提出一个新概念——基于听觉包络中信噪比 SDRenv 的伽马啁啾包络失真指数（gammachirp envelope distortion index, GEDI），用于预测经非线性算法增强后的语音可懂度。GEDI 的目标是在由伽马啁啾听觉滤波器组与调制滤波器组提取的时域包络域中，计算增强语音与干净语音表示之间的失真。我们还将 GEDI 扩展为多分辨率分析（mr-GEDI），以预测非平稳噪声条件下声音的语言可懂度。我们针对经经典谱减法和维纳滤波方法增强的语音可懂度预测对 GEDI 进行了评估。预测结果与人在不同信噪比条件下叠加粉红噪声与嘈杂噪声的实验结果进行了比较。结果表明，在粉红噪声条件下，mr-GEDI 比短时客观可懂度（STOI）测度、扩展 STOI（ESTOI）测度和助听器语音感知指数（HASPI）更好地预测了可懂度曲线；在嘈杂噪声条件下，其预测优于 HASPI。mr-GEDI 方法不存在高估倾向，被认为比 STOI 和 ESTOI 更为保守。因此，在语音增强算法开发中，基于 mr-GEDI 的评估可提供额外信息。
引用
@article{arxiv.1904.02096,
title = {GEDI: Gammachirp Envelope Distortion Index for Predicting Intelligibility of Enhanced Speech},
author = {Katsuhiko Yamamoto and Toshio Irino and Shoko Araki and Keisuke Kinoshita and Tomohiro Nakatani},
journal= {arXiv preprint arXiv:1904.02096},
year = {2020}
}
备注
Preprint, 37 pages, 6 tables, 9 figures