机器有了耳朵才能听得更清楚

基于深度神经网络(DNN)的噪声抑制系统相比谱减法和非负矩阵分解等传统方法有显著改进，但对未训练过的噪声条件泛化能力较差。与DNN相比，人类表现出卓越的噪声抑制能力，在各种不利听音条件和负信噪比(SNR)下仍能实现成功的语音可懂度。受人类优异表现的启发，本文探讨模拟人类耳蜗信号处理的数值模型是否可与DNN结合，以提升基于DNN的噪声抑制系统的鲁棒性。我们将五种耳蜗模型分别耦合到全连接和循环神经网络(RNN)的噪声抑制系统中，并使用客观指标——感知语音质量(PESQ)、分段SNR和对数倒谱距离——在多种噪声条件下进行训练和评估。仿真表明，受生物物理启发的耳蜗模型提升了基于DNN的噪声抑制系统对未知噪声和负SNR的泛化能力。因此，该方法可得到对噪声类型和噪声水平不敏感的鲁棒噪声抑制系统。由于耳蜗模型捕捉了外周听觉处理的固有非线性和动态特性，本文证明考虑其确定性信号处理可改善机器听觉并避免多层DNN的过训练。因此我们得出结论：在DNN输入端使用真实的耳蜗模型时，机器听得更清楚。