基于深度神经网络的语音增强算法研究

【摘要】：科技进步日新月异的今天,语音正逐步成为人机交互中的一种重要通道。然而在现实生活环境中,语音信号非常容易受到各种噪声的影响,从而导致人机交互的延时问题和错误识别问题。因此语音增强技术就显得尤为重要,此技术就是消除语音信号中的噪声,提升语音信号的性能,使得语音具有较高的清晰度、可理解度和流畅度。本文主要研究谱减法与深度神经网络语音增强算法。谱减法是一种经典的语音增强算法,此算法实现较简单,且容易理解,但是增强后的语音有残留噪声,一般称为音乐噪声。这种噪声比较难以去除,为了解决这个问题。本文使用深度神经网络进行语音增强研究。深度神经网络语音增强算法就是利用带噪语音信号对网络进行训练,使得网络具有抗噪声的能力,从而实现语音增强的目的。在训练过程中一般采用BP算法,但是随着网络隐含层数的增加,训练过程中容易出现局部最优问题和过拟合问题。因此,本文采用的是逐层贪婪无监督训练算法,将整个训练过程分成无监督训练和有监督训练两个过程。在网络训练过程中还有一个重要的参数就是网络的隐含层数,它与网络的训练效果有着直接的关系。本文提出了偏差法来设置网络的隐含层数,对网络适合隐含层数的设置进行了一定的理论推导,同时在实验中对其进行了验证。但是深度神经网络语音增强算法对于训练库的要求比较高,训练时间长。为了解决这个问题,本文提出了谱减法与深度神经网络结合的语音增强算法。谱减法与深度神经网络结合的语音增强算法解决了深度神经网络语音增强算法中训练库要求噪声种类多的问题,同时也在一定程度上提升了语音增强效果。实验证明,此结合算法的效果优于谱减法的其他结合算法。本文提出了偏差法来设置深度神经网络的隐含层数,同时,本文还提出了谱减法与深度神经网络结合的语音增强算法。最后,本文的实验对上述方法进行了验证,实验结果表明这些方法是行之有效的,而且深度神经网络语音增强算法具有很好的语音增强效果。