改善基于DNN的语音增强泛化能力的归一化特征

增强含噪语音是恢复其质量并提高其可懂度的重要任务。在传统的基于非机器学习（ML）的方法中，所需的降噪参数是从含噪观测中盲估计的，而实际滤波函数是基于统计假设解析推导的。尽管此类方法对许多不同声学条件泛化良好，但在瞬态噪声中的噪声抑制能力较低。为修正此缺点，机器学习（ML）方法如深度学习已被用于语音增强。然而，由于其数据驱动性质，基于ML的方法对未知噪声类型的泛化仍被讨论。为改善ML算法的泛化并增强非ML方法的噪声抑制，我们提出两种方法的结合。为此，我们在基于深度神经网络（DNN）的增强方案中采用作为输入特征估计的先验信噪比（SNR）和后验信噪比。我们表明该方法允许基于ML的语音估计器快速泛化到未知噪声类型，即使在训练期间仅见过少量噪声条件。此外，所提特征优于一种竞争方法，该方法将噪声功率谱密度估计附加到含噪谱上。诸如语音质量感知评估（PESQ）和短时客观可懂度（STOI）的客观度量表明，当使用所提特征时，在未见条件下有显著改进。听音实验证实了我们所提组合的改进泛化。