基于加权预测误差与 DNN 的去混响与去噪集成语音增强方法
声音
2017-08-29 v1
摘要
混响与加性噪声均会降低语音质量与可懂度。加权预测误差（WPE）方法在去混响方面表现良好，但存在局限性。首先，WPE 未考虑加性噪声的影响，导致去混响性能受损。其次，它依赖耗时的迭代过程，且无收敛保证或公认的收敛准则。本文将深度神经网络（DNN）集成至 WPE 中，用于去混响与去噪。DNN 用于抑制背景噪声，以满足 WPE 的无噪声假设。同时，应用 DNN 直接预测目标语音的谱方差，使 WPE 无需迭代即可工作。实验结果表明，所提方法在语音质量上有显著提升且运行速度快。
引用
@article{arxiv.1708.08251,
title = {Integrated Speech Enhancement Method Based on Weighted Prediction Error and DNN for Dereverberation and Denoising},
author = {Hao Li and Xueliang Zhang and Hui Zhang and Guanglai Gao},
journal= {arXiv preprint arXiv:1708.08251},
year = {2017}
}