收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于深度神经网络和循环神经网络的语音增强方法研究

张宇飞  
【摘要】:语音增强是指从含有噪声的语音信号中恢复纯净语音信号的任务。语音增强的目的是为了提高被噪声干扰的语音信号的语音质量和可懂度。语音增强有很多的应用领域,包括移动语音通信、助听器设计、自动语音识别和自动说话人识别等。在过去的几十年里,科学家们提出了很多语音增强方法。例如谱减法和维纳滤波法,但这两种经典方法的一个共同问题是将“音乐噪声”引入到了增强后的语音中;直到Malah等人提出了基于最小均方误差估计的语音增强模型,才取得了优于谱减法和维纳滤波的性能,音乐噪声的问题也得到了有效改善;在此之后,众多的基于最小均方误差的语音增强方法被科学家们提出,例如基于最小均方误差准则的对数谱幅度估计算法和最优改进的对数谱幅度估计算法。在这些传统方法中,大部分方法都假设噪声频谱的估计是可用而且准确的,然而在低信噪比的条件下,噪声模型却很难被准确估计,这样就会导致语音增强后的信号出现失真现象。为了克服传统语音增强方法的不足,基于深度学习的语音增强方法近些年来发展迅速,深度神经网络已被成功地应用于语音增强模型的训练。这些新方法使用的训练网络主要包括深度神经网络、卷积神经网络、递归神经网络、生成对抗网络等。此外,还有许多深度神经网络模型与传统方法的结合,例如深度神经网络与维纳滤波的结合,深度神经网络与非负矩阵分解的结合。通过庞大数据集的训练,这些深度学习模型通常都可以获得比传统语音增强方法更好的性能。然而,在我们研究课题的应用场景中,现有的基于深度学习的语音增强方法的性能并不总是令人满意的,因为在军事战场环境下,噪声能量往往在某些语音片段中占据主导地位,因此淹没目标语音,导致语音失真现象的出现。本文针对复杂战场环境中存在例如枪炮声、爆炸声等多种强噪声类型同时干扰目标语音的语音增强问题,提出了一种基于深度神经网络和循环神经网络的语音增强改进方法。在该方法中,基于循环神经网络的语音分类模型判断样本语音信号的每一帧是否处于低信噪比状态,继而根据循环神经网络的输出值融合两个基于深度神经网络的语音增强模型。在实验测试阶段,我们通过语音质量感知评价和短时客观可懂度这两个指标在各种噪声条件下的评分,与现有的基于深度神经网络的语音增强技术进行了比较。实验结果表明,与最先进的技术相比,该方法有显著的性能提升,反映了该方法在真实战场环境中的可用性。


知网文化
【相似文献】
中国期刊全文数据库 前15条
1 庄连生;吕扬;杨健;李厚强;;时频联合长时循环神经网络[J];计算机研究与发展;2019年12期
2 李金峰;刘云鹤;;不同结构深度神经网络的时间域航空电磁数据成像性能分析[J];世界地质;2020年01期
3 李健;刘海滨;胡笛;;基于生成对抗网络和深度神经网络的武器系统效能评估[J];计算机应用与软件;2020年02期
4 叶凯强;高洪;时培成;;基于循环神经网络的双轴打捆机智能换挡策略研究[J];安徽工程大学学报;2020年01期
5 熊昕;陈晓辉;吴宇轩;郑毅;张上;;基于改进的循环神经网络深度学习跌倒检测算法[J];电脑编程技巧与维护;2020年03期
6 周世英;李福东;姜定;;基于深度神经网络的药物蛋白虚拟筛选[J];软件工程;2020年05期
7 闵锐;;高效深度神经网络综述[J];电信科学;2020年04期
8 陆敏;段锦斌;葛贤顺;;基于神经网络的流感大数据分析[J];中华医学图书情报杂志;2020年03期
9 刘军;李鑫;王颖;赵永利;王菲;;基于深度神经网络的光网络故障定位技术研究[J];激光杂志;2020年07期
10 郑雅文;任佳鑫;刘铭;;基于深度神经网络的设备身份识别研究[J];现代计算机;2020年18期
11 朱佳雯;;基于深度神经网络的高校舆情危机预警研究[J];电子设计工程;2020年16期
12 孙卓;李冬伟;赵泽宾;张倩倩;;卷积神经网络下的高分二号卫星影像道路提取[J];计算机系统应用;2020年11期
13 黄为;李永刚;胡上成;汪毅;;基于循环神经网络的船摇数据实时预测[J];科学技术与工程;2019年31期
14 易炜;何嘉;邹茂扬;;基于循环神经网络的对话系统记忆机制[J];计算机工程与设计;2019年11期
15 邱俊;张瑞林;;基于遗传算法的循环神经网络在销售预测中的应用[J];浙江理工大学学报;2007年03期
中国重要会议论文全文数据库 前20条
1 耿传玉;王泽宇;周晓君;阳春华;;基于U-net卷积神经网络双层参数优化的心脏图像分割[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
2 徐硕;;集合经验模态分解的多路-多级神经网络风功率预测模型[A];用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集[C];2019年
3 段滈杉;乔俊飞;蒙西;汤健;;基于模块化神经网络的城市固废焚烧过程氮氧化物软测量[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
4 韩红桂;甄琪;杜永萍;乔俊飞;;基于低秩双线性卷积神经网络的手机型号识别方法[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
5 李淋雨;邱寅祺;何星;;基于LSTM的火电厂入口硝浓度预测方法研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
6 潘岚川;马乐乐;刘向杰;;基于卷积神经网络的一次风机故障预警研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
7 刘晶;黄进;赵万国;周丽萍;;一种基于卷积神经网络的非法经营线索挖掘模型[A];2020互联网安全与治理论坛论文集[C];2020年
8 包俊;董亚超;刘宏哲;;卷积神经网络的发展综述[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
9 刘克楠;侯剑;;基于神经网络的唤醒词识别方法[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
10 朱利明;路达;陈占毅;李方明;;基于BP-RBF神经网络的深基坑邻近建筑物沉降势预测[A];土木工程新材料、新技术及其工程应用交流会论文集(下册)[C];2019年
11 周浩;戴国忠;;基于神经网络的指挥信息系统体系贡献度分析[A];2019第七届中国指挥控制大会论文集[C];2019年
12 张子腾;梁烨;胡启鹏;张梦隆;陈智慧;;基于迁移卷积神经网络的脑功能连接分类[A];创新发展与情报服务[C];2019年
13 徐小天;李敏;孙跃;高冉馨;;深度神经网络的攻击与防御技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
14 郝佳恺;赵广怀;高鹏;牛海洋;郝毅;;可变嵌套深度神经网络自动训练方法[A];全国第四届“智能电网”会议论文集[C];2019年
15 李玉缝;;基于BP神经网络的主备频率源时差预报方法[A];中国天文学会2018年学术年会摘要集[C];2018年
16 信自成;张江山;张军国;路博勋;李军明;郑瑾;刘青;;基于SOM-RELM的LF炉钢水温度预测[A];第十二届中国钢铁年会论文集——2.炼钢与连铸[C];2019年
17 张兴伟;潘国富;张济博;;自编码神经网络在海底声学底质分类中应用初探[A];2019中国西部声学学术交流会论文集[C];2019年
18 朱张航宇;;美科学家实现突破:意念交流即将成为现实[A];《科学与现代化》2020年第一季度[C];2020年
19 An Yangming;;基于深度学习的Dropout-BP神经网络在测井资料评价煤层气含气量中的应用[A];2019年中国地球科学联合学术年会论文集(二十九)——专题77:井孔地球物理学及深部钻测、专题78:地球化学进展、专题79:地球深部碳循环、专题80:航空地球物理勘查技术与应用[C];2019年
20 ;Nature长文综述:类脑智能与脉冲神经网络前沿[A];《科学与现代化》2020年第一季度[C];2020年
中国博士学位论文全文数据库 前20条
1 ;[D];;年
2 ;[D];;年
3 ;[D];;年
4 ;[D];;年
5 ;[D];;年
6 ;[D];;年
7 ;[D];;年
8 ;[D];;年
9 ;[D];;年
10 ;[D];;年
11 ;[D];;年
12 ;[D];;年
13 ;[D];;年
14 ;[D];;年
15 ;[D];;年
16 ;[D];;年
17 ;[D];;年
18 ;[D];;年
19 ;[D];;年
20 ;[D];;年
中国硕士学位论文全文数据库 前20条
1 张宇飞;基于深度神经网络和循环神经网络的语音增强方法研究[D];中国工程物理研究院;2020年
2 石颖;基于循环神经网络的语音识别方案的优化与设计[D];北京交通大学;2017年
3 余昉恒;循环神经网络门结构模型研究[D];浙江大学;2018年
4 戴东亚;基于神经网络我国居民消费价格指数的应用[D];苏州大学;2018年
5 谢仁义;饱和脉冲Cohen-Grossberg神经网络稳定性分析[D];西南大学;2020年
6 侯洁;多权重耦合神经网络的反同步与有限时间反同步[D];天津工业大学;2019年
7 樊志文;基于深度卷积神经网络的CS-MRI重建方法研究[D];厦门大学;2019年
8 冯冰;基于深度学习的环境声音分类研究[D];厦门大学;2017年
9 柴志忠;基于深度卷积神经网络的病理影像研究[D];厦门大学;2019年
10 刘晓瑜;基于卷积神经网络的新鲜-冷冻猪肉近红外光谱检测研究[D];湖南大学;2019年
11 向鹏程;基于智能算法的自动化霜控制研究[D];天津商业大学;2019年
12 刘光云;基于多特征卷积神经网络的高光谱图像分类方法研究[D];湖南大学;2019年
13 周珍;基于卷积神经网络的指针手表读时方法研究[D];湖南大学;2019年
14 曹红英;基于卷积神经网络的交通标志检测与识别研究[D];湖南大学;2019年
15 汪文;基于链接预测的miRNA疾病相关性研究[D];厦门大学;2019年
16 王抒伟;应用深度神经网络对多导睡眠图的睡眠分期研究[D];厦门大学;2019年
17 周高峰;基于NVDLA的深度学习推断芯片研究[D];厦门大学;2019年
18 熊林;基于抖动算法的忆阻神经网络及其电路实现[D];湖南大学;2019年
19 周辉;基于机器学习和神经网络的微波信号多径干扰抑制研究[D];厦门大学;2019年
20 张润民;基于卷积神经网络的高分辨距离像目标识别[D];湖南大学;2019年
中国重要报纸全文数据库 前20条
1 记者 董映璧;神经网络技术检测玻璃钢缺陷精度高[N];科技日报;2020年
2 骆无意;图神经网络让集群无人系统更智能[N];中国航天报;2020年
3 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
4 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
5 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
6 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
7 ;神经网络小史[N];电子报;2018年
8 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
9 ;人工智能将取得大面积突破[N];中国企业报;2017年
10 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
11 ;人类正迎来云端机器人时代[N];中国企业报;2017年
12 张斌;谁还需要“同传”[N];文汇报;2017年
13 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
14 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
15 记者 邱智丽;AI竞赛 中国力量崛起[N];第一财经日报;2017年
16 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;突破人类和机器的边界[N];中国信息化周报;2017年
17 舒年;“深度学习”与人工智能的新挑战[N];工人日报;2017年
18 记者 刘霞;新神经网络使计算机像人一样推理[N];科技日报;2017年
19 本报记者 喻思娈;人工智能有多智能?[N];人民日报;2017年
20 中国信息通信研究院标准所副所长 何宝宏;AI技术的天花板[N];通信产业报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978