下载文档原格式
《基于深度学习的多通道语音增强方法研究》篇一一、引言随着人工智能技术的飞速发展，语音信号处理在众多领域中扮演着越来越重要的角色。
然而，由于环境噪声、信道失真、干扰声源等因素的影响，实际环境中获得的语音信号往往存在严重的质量问题。
为了改善这一情况，提高语音识别的准确性和可懂度，多通道语音增强技术应运而生。
本文将重点研究基于深度学习的多通道语音增强方法，旨在通过深度学习技术提高语音信号的信噪比和清晰度。
二、多通道语音增强技术概述多通道语音增强技术通过在空间域和时间域上利用多个传感器，以收集到来自不同方向的语音信号信息。
利用这一技术，可以有效地抑制噪声和干扰声源，从而提高语音信号的信噪比和清晰度。
传统的多通道语音增强方法主要依赖于信号处理技术，如滤波器、波束形成等。
然而，这些方法往往难以处理复杂的噪声环境和动态变化的声源。
三、深度学习在多通道语音增强中的应用深度学习技术为多通道语音增强提供了新的解决方案。
通过构建深度神经网络模型，可以自动学习和提取语音信号中的有效特征，从而实现对噪声和干扰声源的更有效抑制。
此外，深度学习还可以在多通道语音信号的融合和降噪过程中，对时间域和空间域的信息进行联合处理，进一步提高语音增强的效果。
四、基于深度学习的多通道语音增强方法研究本文提出了一种基于深度学习的多通道语音增强方法。
该方法首先通过多个传感器收集来自不同方向的语音信号信息，然后利用深度神经网络模型对收集到的信息进行特征提取和降噪处理。
具体而言，我们采用了卷积神经网络（CNN）和循环神经网络（RNN）的组合模型，以实现时间和空间域上的联合处理。
在训练过程中，我们使用了大量的实际录音数据和模拟噪声数据，以使模型能够更好地适应各种噪声环境和动态变化的声源。
五、实验与结果分析为了验证本文提出的多通道语音增强方法的性能，我们进行了大量的实验。
实验结果表明，该方法在各种噪声环境下均能显著提高语音信号的信噪比和清晰度。
与传统的多通道语音增强方法相比，基于深度学习的多通道语音增强方法具有更高的准确性和鲁棒性。
基于深度学习的语音信号增强算法研究随着科技的不断发展，语音信号增强技术也在不断改进。
语音信号增强是指通过某些算法使受到噪声干扰的语音信号更加清晰，方便听者理解。
而基于深度学习的语音信号增强算法是目前比较流行的技术。
一、语音信号增强的意义在日常生活中，人们常常会受到来自各种噪声的干扰，例如车辆喧闹、人声嘈杂等等。
这些噪声会对人们的正常交流产生困扰，尤其是在一些需要精准听取和理解的场合。
比如，在商务谈判、学术报告和医学诊断等很多场合都需要清晰的语音信号。
语音信号增强技术的出现，在一定程度上解决了这个问题，为人们提供了更加清晰的语音信息。
二、深度学习算法的优点语音信号增强技术可以通过多个算法实现，其中基于深度学习的算法因其出色的增强效果和普适性而备受关注。
深度学习算法是一种类似于人脑神经网络的算法，通过模拟神经网络来实现具有多层结构的计算模型。
由于深度学习算法非常灵活，可以根据需要自动地学习特征，可以适应于多种输入和输出，因而能够识别出复杂的语音信号，甚至还可以适应新的有噪声的语音信号。
三、主要实现方式所谓语音信号的增强，是指通过某些算法使受到干扰而变得不清晰的语音信号变得更加清晰，以便于更好的理解。
其中主要的实现方式有以下几种：1、噪声估计这是一个基本的步骤，它的主要作用是估计受到噪声干扰的语音信号，以便于后续的增强。
噪声估计一般采用图像处理的方法来处理语音信号，在测量到一定的噪声后，可以根据特征进行一定的估计。
2、信号重构信号重构是通过某些数学方法重构已经受到噪音干扰的信号，使其变得更加清晰。
这种方法的主要难点在于如何确定信号的特征，并且如何利用深度学习的算法对不同的信号进行重构。
3、语音增强语音增强技术是通过某些深度学习算法对受到噪音干扰的语音信号进行处理，使其更加清晰，并且能够抑制噪声。
语音增强技术发展迅速，目前已经出现了许多基于不同深度学习算法的方法。
四、应用前景基于深度学习的语音信号增强技术在音频处理中具有广泛的应用前景，在语音翻译、智能机器人、智能音响等方面都有重要应用价值，可以大大提高语音识别系统的准确性和可靠性。
基于深度神经网络的语音增强技术研究语音增强技术是一项重要的语音信号处理技术，其目的是通过降噪、去混响等手段，使语音信号更加清晰、稳定，从而提高语音信号的质量。
最近几年，深度学习技术的迅速发展为语音增强技术的发展带来了新的机遇。
本文将从深度学习的角度探讨语音增强技术的研究现状和发展方向。
一、语音增强技术的原理及应用场景语音增强技术是指对语音信号进行处理，去除其中的噪声和混响，提高语音信号的可听性和可懂性。
语音增强技术的应用场景十分广泛，其中包括：1.语音接听服务：通过对用户在通话过程中的语音信号进行增强，提高了语音信号的质量，从而提高了通话的清晰度和可懂性。
2.语音转换：对录音文件、视频文件等进行语音增强处理，从而改善语音信号的识别率。
3.语音复原：对因噪声和混响等因素导致的语音信号降噪、去混响处理，使得原有的语音信息得以恢复。
二、语音增强技术的研究现状深度学习技术的发展为语音增强技术的研究带来了新的思路和方法。
传统的语音增强方法多数是基于信号处理技术，主要使用滤波器、变换、谱减等手段来降噪和去混响。
这些方法在一定程度上取得了成功，但是由于语音信号中的噪声和混响过于复杂，导致传统方法的效果并不是很好。
在这种情况下，深度学习技术的出现为语音增强技术的发展带来了新的机遇。
深度学习技术具有自适应性和非线性特征提取能力，能够从大量的数据中自动学习到有效的特征，从而提高了降噪和去混响的效果。
目前，基于深度学习技术的语音增强方法逐渐成为了主流。
目前，基于深度学习技术的语音增强方法主要包括以下几类：1.基于卷积神经网络（CNN）的方法。
这种方法使用卷积神经网络来学习声学特征，并将其映射到噪声信号的频谱图上，使得噪声信号的频谱图更加接近于干净信号的频谱图，从而实现噪声和混响的消除。
2.基于递归神经网络（RNN）的方法。
这种方法利用递归神经网络学习时域的特征，从而更好地理解暂态信号，实现对噪声和混响的去除。
3.基于深度神经网络（DNN）的方法。
《基于深度学习的多通道语音增强方法研究》篇一一、引言随着人工智能技术的飞速发展，语音信号处理在许多领域得到了广泛的应用。
然而，由于环境噪声、回声和多种其他干扰因素的影响，语音信号的质量往往受到严重影响。
因此，语音增强的研究成为了当前的一个重要方向。
传统的语音增强方法主要依赖于信号处理技术，如谱减法、维纳滤波器等。
然而，这些方法往往难以处理复杂的噪声环境。
近年来，基于深度学习的多通道语音增强方法受到了广泛关注，本文将对其进行深入研究。
二、深度学习与语音增强深度学习是一种基于神经网络的机器学习方法，它可以通过学习大量数据中的模式和规律，实现对复杂任务的自动处理。
在语音增强领域，深度学习可以通过训练大量的语音数据，学习到噪声和语音之间的复杂关系，从而实现对噪声的有效抑制。
三、多通道语音增强方法多通道语音增强方法是一种利用多个麦克风接收的信号进行语音增强的方法。
通过多个麦克风的接收信号，可以实现对声音的空间定位和噪声的分离。
基于深度学习的多通道语音增强方法，可以利用深度神经网络对多个麦克风的接收信号进行特征提取和分类，从而实现更准确的噪声抑制和语音增强。
四、研究方法本研究采用基于深度学习的多通道语音增强方法。
首先，我们使用多个麦克风同时接收语音信号和噪声信号，然后利用深度神经网络对接收到的信号进行特征提取和分类。
在特征提取阶段，我们采用卷积神经网络（CNN）对声音的频谱特征进行提取；在分类阶段，我们采用循环神经网络（RNN）对声音的空间位置和噪声类型进行判断。
通过这两个阶段的处理，我们可以实现对噪声的有效抑制和语音的增强。
五、实验与分析我们在多种噪声环境下进行了实验，包括室内噪声、室外交通噪声等。
实验结果表明，基于深度学习的多通道语音增强方法能够有效地抑制噪声并提高语音的清晰度。
与传统的语音增强方法相比，该方法在复杂的噪声环境下具有更好的性能和鲁棒性。
此外，我们还对不同参数配置下的性能进行了分析，为实际应用提供了指导。
《基于深度学习的多通道语音增强方法研究》篇一一、引言随着信息技术的迅猛发展，语音通信技术越来越成为我们日常生活中不可或缺的一部分。
然而，在实际的语音通信过程中，由于各种环境噪声的干扰，语音信号的质量常常受到影响。
因此，如何有效地进行语音增强，提高语音信号的信噪比（SNR），成为了语音处理领域的重要研究方向。
近年来，基于深度学习的多通道语音增强方法因其出色的性能和适应性，受到了广泛关注。
本文将对这一方法进行深入研究，以期为相关领域的研究提供有价值的参考。
二、深度学习与语音增强深度学习是一种基于神经网络的机器学习方法，其强大的特征提取和表示学习能力在语音增强领域得到了广泛应用。
通过深度学习模型，我们可以从含有噪声的语音信号中提取出有用的信息，从而达到增强语音信号的目的。
三、多通道语音增强方法多通道语音增强方法利用多个麦克风或多个信号通道收集信息，通过融合多个通道的信号来提高语音增强的效果。
这种方法可以有效地抑制环境噪声，提高语音信号的信噪比。
四、基于深度学习的多通道语音增强方法基于深度学习的多通道语音增强方法将深度学习与多通道技术相结合，利用深度学习模型进行多通道信号的融合和增强。
该方法通常包括以下步骤：1. 数据预处理：对多个通道的语音信号进行预处理，包括去噪、归一化等操作。
2. 特征提取：利用深度学习模型提取多通道语音信号中的有用特征。
3. 信号融合：将提取的特征进行融合，形成增强的语音信号。
4. 模型训练：通过大量的训练数据对模型进行训练，使模型能够更好地进行语音增强。
五、实验与分析本文通过实验验证了基于深度学习的多通道语音增强方法的有效性。
实验结果表明，该方法可以有效地抑制环境噪声，提高语音信号的信噪比。
与传统的单通道语音增强方法相比，多通道方法在各种噪声环境下均表现出更好的性能。
此外，深度学习模型的引入进一步提高了语音增强的效果。
六、结论与展望本文对基于深度学习的多通道语音增强方法进行了深入研究。
基于深度学习的语音增强算法研究深度学习技术的不断发展为语音增强算法的研究提供了新的机遇和挑战。
语音增强算法是一种通过对原始语音信号进行处理，提高语音信号质量和可理解性的技术。
在实际应用中，由于环境噪声、麦克风质量等因素的影响，语音信号常常存在着噪声、回声等问题，这对于人们的正常交流和机器识别造成了困扰。
因此，研究和开发高效可靠的语音增强算法对于提升人机交互体验、改善通讯质量具有重要意义。
在过去几十年中，研究者们提出了许多不同类型的语音增强算法。
传统基于信号处理方法主要包括降噪滤波器、频谱估计等技术。
这些方法通常基于统计学原理或者模型假设，并通过滤波或者频谱变换等方式对原始信号进行处理。
然而，在复杂环境下这些方法往往效果有限，并且很难适应不同类型噪声。
近年来，深度学习技术在图像识别、语音识别等领域取得了巨大成功，也为语音增强算法的研究带来了新的思路和方法。
深度学习算法能够自动学习和提取输入数据的高层次特征，并且能够处理非线性问题。
这些特点使得深度学习在语音增强领域具有巨大潜力。
基于深度学习的语音增强算法主要包括自编码器、卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等。
这些算法通过对大量带有噪声的语音数据进行训练，能够学习到噪声和干净语音之间的映射关系，并且生成高质量、清晰可辨的增强语音信号。
自编码器是一种常用于无监督学习任务中的神经网络模型，其主要目标是将输入信号通过编码器映射到一个低维潜在空间中，并通过解码器将其重构回原始空间。
在语音增强任务中，自编码器可以用于提取输入信号中与噪声无关的特征，并且通过解码器重构出清晰可辨的干净信号。
卷积神经网络是一种能够有效处理空间相关性的神经网络模型。
在语音增强任务中，卷积神经网络可以通过卷积层和池化层等操作，对输入语音信号进行特征提取和降维，从而提高增强效果。
此外，卷积神经网络还可以通过堆叠多个卷积层和全连接层等结构，构建深层网络模型，进一步提高语音增强的性能。
一种基于深度学习的语音信号增强算法研究语音信号增强是在低质量语音背景下提取出清晰语音信息的重要技术。
深度学习已经在图像识别、自然语言处理等领域展示出惊人的成果，为什么不用深度学习来优化语音信号呢？在深度学习领域中，卷积神经网络（CNN）等模型已经在图像处理中大放异彩。
但对于语音信号处理，循环神经网络（RNN）是一种更为常见的模型。
在语音信号增强中，我们可以将输入的语音信号视为时间序列，在RNN模型中进行学习和优化。
传统的语音信号增强算法通常是基于谱减法、Wiener滤波等算法来去除背景噪音。
但这些算法在实际应用中仍然存在一些局限性，比如在过滤掉噪音的同时会降低语音的清晰度和自然度等。
此外，这些算法对噪音的类型和能量干扰较大，对于动态噪音的处理效果并不佳。
相比于传统的算法，基于深度学习的语音信号增强算法更为灵活和自适应。
通过深度学习，模型可以自动学习语音的特征，同时也可以根据不同的噪声环境和语音信号进行自动调整。
此外，深度学习算法也具有更好的鲁棒性和普适性，可以处理各种类型的噪音。
近年来，基于深度学习的语音信号增强算法越来越受到关注。
在NIPS 2014中，Zhu et al.提出了一种基于深度神经网络的语音信号增强算法（DNN-H MMSE），该算法融合了深度学习和传统的MMSE算法，实现了对语音信号的自动增强。
类似地，基于RNN的语音信号增强算法也被提出。
Tan et al.在ISCSLP 2016中提出了一种基于循环卷积神经网络（CRNN）的语音信号增强算法。
该算法结合了卷积神经网络和循环神经网络的优点，能够更好地捕捉语音信号的时序信息，同时还可以对噪音进行有效的滤波。
除此之外，基于GAN（生成对抗网络）的语音信号增强算法也成为热门研究方向。
在ICASSP 2020中，Lee et al.提出了一种基于GAN的语音信号增强算法，通过对抗性学习，能够更好地增强语音信号，同时保留语音的清晰度和自然度。
《基于深度学习的无线通信（FM）语音增强的研究》篇一一、引言随着无线通信技术的快速发展，FM（调频）广播作为传统的音频传输方式，其语音质量的重要性日益凸显。
然而，由于无线通信环境中的各种干扰和噪声，接收到的语音信号往往存在音质损失和清晰度下降的问题。
为了解决这一问题，本文提出了一种基于深度学习的无线通信（FM）语音增强方法。
该方法通过深度学习技术，对接收到的语音信号进行增强处理，有效提高语音质量和清晰度。
二、相关工作近年来，深度学习在语音增强领域取得了显著的成果。
传统的语音增强方法主要依赖于信号处理技术，如滤波、去噪等。
然而，这些方法往往难以处理复杂的噪声和环境干扰。
相比之下，深度学习可以通过学习大量的语音数据，提取有效的特征，实现对语音信号的准确增强。
目前，基于深度学习的语音增强方法已经广泛应用于智能手机、智能音箱等设备中。
三、方法本文提出的基于深度学习的无线通信（FM）语音增强方法主要包括以下步骤：1. 数据收集与预处理：收集包含噪声和清晰语音的语料库，对语料进行预处理，如归一化、分帧等。
2. 模型构建：采用深度神经网络（DNN）或循环神经网络（RNN）构建语音增强模型。
模型以带噪语音为输入，输出增强后的语音信号。
3. 训练与优化：使用大量的训练数据对模型进行训练，通过损失函数和优化算法对模型进行优化，使模型能够更好地适应不同的噪声和环境。
4. 测试与评估：使用测试数据对模型进行评估，比较增强前后的语音质量，如信噪比（SNR）、听觉质量等。
四、实验与分析本节通过实验验证了基于深度学习的无线通信（FM）语音增强方法的有效性。
实验中，我们使用了包含各种噪声和干扰的语料库，对模型进行了训练和测试。
实验结果表明，该方法能够有效提高语音质量和清晰度，显著提高信噪比和听觉质量。
具体而言，我们采用了DNN和RNN两种不同的模型进行实验。
在DNN模型中，我们使用了多层神经网络对语音信号进行特征提取和增强。
在RNN模型中，我们利用循环神经网络的时序特性，对连续的语音信号进行增强处理。
《基于深度学习语音增强的改进算法》篇一一、引言随着信息技术的飞速发展，语音通信在人们的日常生活中扮演着越来越重要的角色。
然而，由于各种环境噪声、背景杂音以及其他因素的影响，实际录制的语音质量往往不理想。
这导致了对高质量、高清晰度语音信号的强烈需求，语音增强技术便应运而生。
近年来，基于深度学习的语音增强算法在提升语音质量方面取得了显著的成果。
本文将详细介绍一种基于深度学习的语音增强改进算法，并对其原理、实现及性能进行深入探讨。
二、深度学习语音增强的基本原理深度学习语音增强技术主要通过建立深度神经网络模型，对含噪语音信号进行建模与处理，从而提取出纯净的语音信号。
该技术通过大量语料库的学习与训练，可以自动识别和消除语音信号中的噪声、杂音等干扰因素，有效提高语音质量和清晰度。
三、传统深度学习语音增强算法的局限性尽管传统的深度学习语音增强算法在提高语音质量方面取得了一定的成果，但仍存在一些局限性。
例如，对于复杂环境下的噪声处理能力较弱，对于不同类型噪声的适应性较差等。
此外，传统的算法往往忽略了语音信号的时序特性和上下文信息，导致增强后的语音信号存在失真等问题。
四、基于深度学习的语音增强改进算法针对上述问题，本文提出一种基于深度学习的语音增强改进算法。
该算法通过引入循环神经网络（RNN）和长短期记忆网络（LSTM）等结构，以更好地捕捉语音信号的时序特性和上下文信息。
同时，结合卷积神经网络（CNN）的局部感知能力和特征提取能力，实现对含噪语音信号的高效处理。
具体而言，该算法首先利用CNN对含噪语音信号进行特征提取，得到一系列特征向量。
然后，将这些特征向量输入到RNN 和LSTM网络中，以捕捉语音信号的时序特性和上下文信息。
最后，通过一系列的解码和重构操作，得到纯净的语音信号。
五、实验与分析为了验证改进算法的有效性，我们进行了大量的实验。
实验结果表明，该算法在各种复杂环境下的噪声处理能力明显优于传统算法。
同时，该算法对不同类型噪声的适应性也得到了显著提高。
第４１卷第５期２０１８年１０月电子器件ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＥｌｅｃｔｒｏｎＤｅｖｉｃｅｓＶｏｌ ４１㊀Ｎｏ ５Ｏｃｔ.２０１８项目来源:国家自然科学基金项目(６１６７３１０８)ꎻ江苏高校品牌专业建设工程项目(ＰＰＺＹ２０１５Ａ０９２)ꎻ南京信息职业技术学院科技创新团队项目收稿日期:２０１７－０８－２３㊀㊀修改日期:２０１７－０９－２２ＳｐｅｅｃｈＥｎｈａｎｃｅｍｅｎｔＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＡＤｅｅｐＢｅｌｉｅｆＮｅｔｗｏｒｋ∗ＹＩＮＦａｍｉｎｇ１∗ꎬＴＡＮＧＹｕｆｅｎｇ２(１.ＳｃｈｏｏｌｏｆＣｏｍｍｕｎｉｃａｔｉｏｎｓＥｎｇｉｎｅｅｒｉｎｇꎬＮａｎｊｉｎｇＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙꎬＮａｎｊｉｎｇ２１００２３ꎬＣｈｉｎａꎻ２.ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇꎬＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙꎬＮａｎｊｉｎｇ２１００９６ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＤＢＮ(ＤｅｅｐＢｅｌｉｅｆＮｅｔｗｏｒｋ)ｗａｓｓｔｕｄｉｅｄｂａｓｅｄｏｎｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔａｌｇｏｒｉｔｈｍ.ＷｅｃｈｏｓｅＬｏｇ￣ＳｐｅｃｔｒａｌＭｉｎｉｍｕｍＭｅａｎＳｑｕａｒｅＥｒｒｏｒ(ＬＯＧＭＭＳＥ)ａｌｇｏｒｉｔｈｍａｎｄｏｐｔｉｍａｌｌｙ￣ｍｏｄｉｆｉｅｄｌｏｇ￣ｓｐｅｃｔｒａｌａｍｐｌｉｔｕｄｅ(ＯＭ￣ＬＳＡ)ｓｐｅｅｃｈｅｓｔｉｍａｔｏｒꎬｗｈｉｃｈａｒｅｔｈｅｂｅｓｔｔｒａｄｉｔｉｏｎａｌｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔａｌｇｏｒｉｔｈｍｓꎬｔｏｃｏｍｐａｒｅｗｉｔｈＤＢＮ￣ｂａｓｅｄｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔａｌｇｏｒｉｔｈｍ.ＴｈｅｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅＤＢＮ￣ｂａｓｅｄｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔａｌｇｏｒｉｔｈｍｄｅｍｏｎｓｔｒａｔｅｄｓｕｐｅｒｉｏｒｐｅｒｆｏｒｍａｎｃｅａｍｏｎｇｔｈｒｅｅａｌｇｏｒｉｔｈｍｓꎬｅｓｐｅｃｉａｌｌｙｔｈｅｉｍｐｒｏｖｅｍｅｎｔｏｆｓｐｅｅｃｈｑｕａｌｉｔｙ.Ｋｅｙｗｏｒｄｓ:ｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔａｌｇｏｒｉｔｈｍꎻｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋꎻＬＯＧＭＭＳＥａｌｇｏｒｉｔｈｍꎻＯＭ￣ＬＳＡａｌｇｏｒｉｔｈｍＥＥＡＣＣ:６１３０㊀㊀㊀㊀ｄｏｉ:１０.３９６９/ｊ.ｉｓｓｎ.１００５－９４９０.２０１８.０５.０４８基于深度置信网络的语音增强算法∗阴法明１∗ꎬ唐於烽２(１.南京信息职业技术学院通信学院ꎬ南京２１００２３ꎻ２.东南大学信息科学与工程学院ꎬ南京ꎬ２１００９６)摘㊀要:研究了一种基于深度置信网络的语音增强算法ꎮ选取在噪声环境下传统语音增强算法中较好的ＬＯＧＭＭＳＥ与ＯＭ￣ＬＳＡ算法和基于深度置信网络的语音增强算法进行了分析比较ꎬ结果证明深度置信网络的语音增强算法在３种算法中体现出了卓越的性能ꎬ尤其对增强后的语音质量的提升远远超过前两种算法ꎮ关键词:语音增强算法ꎻ深度置信网络ꎻＬＯＧＭＭＳＥ算法ꎻ优化改进的对数幅度谱算法中图分类号:Ｈ０１７ꎻＴＮ６９㊀㊀㊀㊀文献标识码:Ａ㊀㊀㊀㊀文章编号:１００５－９４９０(２０１８)０５－１３２５－０５㊀㊀语音是人类社会信息重要的也是最便捷的载体ꎮ但是人类生存的环境却是一个极端复杂的声学环境ꎬ因此人类的通信通常会收到各种噪声的干扰ꎮ自然环境中的这些噪声严重影响了语音的质量和信息的传递ꎮ语音增强技术旨在提升被噪声干扰语音的可懂度和质量ꎮ语音增强技术在助听器㊁耳蜗移植中广泛使用ꎬ语音增强技术的使用是的上述设备的听觉舒适度和可懂度得到提升ꎮ此外ꎬ在语音识别系统和说话人识别系统中ꎬ语音增强技术也有广泛的应用ꎮ传统的单声道语音增强算法主要分为时域方法和频域方法ꎮ时域方法主要包括参数和滤波的方法ꎬ信号子空间法等ꎮ而频域的方法有谱减法㊁维纳滤波法㊁听觉掩蔽法等[１]ꎮ其中谱减法是最简单ꎬ计算复杂度最小的方法ꎬ但会残留音乐噪声和严重的语音失真ꎮ而维纳滤波法能够将音乐噪声转变成白噪声ꎬ让处理后的语音听上去更舒适ꎬ但维纳滤波是基于平稳假设前提下的最小均方误差的估计ꎬ因此对非平稳信号的抑制能力较弱ꎮ听觉掩蔽法是根据人耳的掩蔽效应提出的一种算法ꎬ即能量大的声音会将能量小的声音掩蔽ꎮ此方法不用将噪声完全从语音中减去ꎬ只要将噪声能量抑制在掩蔽阈值以下ꎮ革命性的语音增强算法是１９８４年Ｅｐｈｒａｉｍ和Ｍａｌａｈ提出的基于最小均方误差ＭＭＳＥ(ＭｉｎｉｍｕｍＭｅａｎＳｑｕａｒｅＥｒｒｏｒ)的语音幅度谱估计ꎬ由于人耳对声强的感知是非线性的ꎬ因而他们又提出了对数谱域的最小均方误差估计(ＬＯＧ￣ＭＭＳＥ)ꎮ在ＬＯＧ￣ＭＭＳＥ语音增强方法提出来的同时ꎬＲａｉｎｅｒＭａｒｔｉｎ[６]在１９９４年提出了基于最小统计量的语音增强方法ꎬ后面许多学者对此方法提出了相应的改良ꎬ其中使用最重要的是ＩｓｒａｅｌＣｏｈｅｎ提出的最佳修正对数谱ＯＭ￣ＬＳＡ(Ｏｐｔｉｍａｌｌｙ￣ＭｏｄｉｆｉｅｄＬｏｇ￣ＳｐｅｃｔｒａｌＡｍｐｌｉｔｕｄｅ)电㊀子㊀器㊀件第４１卷语音增强算法ꎮ此方法具有估计误差更小ꎬ对非平稳噪声跟踪的比较快的特点[７]ꎬ可以认为ＬＯＧ￣ＭＭＳＥ和ＯＭ￣ＬＳＡ是目前传统单声道语音增强最优的算法ꎬ因而本文也挑选这两种方法作为分析比较的语音增强处理的算法ꎮ传统语音增强算法可归结为无监督语音增强算法ꎮ随着深度学习的概念提出ꎬ语音增强算法迎来了新的发展ꎬ即基于神经网络的语音增强方法ꎮ在神经网络语音增强算法方面做出较深入研究的是美国俄亥俄州立大学的汪德亮实验室以及国内中国科学技术大学戴礼荣实验室ꎮ汪德亮[１２－１５]实验室在深度神经网络ＤＮＮ(ＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋ)和卷积神经网络ＲＮＮ(ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ)的基础上ꎬ设计了多种语音增强方案ꎬ其中经典的有理想二值掩蔽(ＩｄｅａｌＢｉｎａｒｙＭａｓｋｉｎｇ)算法ꎬ基于ＩＢＭ算法还衍生出了多值掩蔽ꎬ即取０和１中的值进行标记ꎮ而本文研究了将深度置信网络ＤＢＮ(ＤｅｅｐＢｅｌｉｅｆＮｅｔｗｏｒｋ)应用于语音增强系统ꎮ大体思想就是使用带噪语音的ｌｏｇ谱和纯净语音的ｌｏｇ谱对ＤＢＮ进行训练ꎬ得到一个模型ꎬ设计成一个非线性滤波器ꎬ对带噪语音进行滤波ꎬ而将带噪语音映射到纯净语音[４ꎬ１０－１１]ꎮ不对语音和噪声的稳定性以及相互独立性做任何假设ꎬ可较好地应对非平稳环境[５]ꎮ此外ꎬ生成对抗网络ＧＡＮ(ＧｅｎｅｒａｔｉｖｅＡｄｖｅｒｓａｒｉａｌＮｅｔｓ)[１６]和长短时记忆网络ＬＳＴＭ(Ｌｏｎｇ￣ＳｈｏｒｔＴｅｒｍＭｅｍｏｒｙ)[１７]也被使用在语音增强领域中ꎮ本文选取传统语音增强算法中较好的ＬＯＧＭＭＳＥ与ＯＭ￣ＬＳＡ算法和基于深度置信网络的语音增强算法分析比较了它们的语音增强效果和计算复杂度等性能ꎮ１㊀语音增强算法１.１㊀ＬＯＧＭＭＳＥ[６－７]假设带噪信号ｙ(ｎ)＝ｘ(ｎ)＋ｄ(ｎ)ꎬ其中ｘ(ｎ)为纯净信号ꎬｄ(ｎ)为噪声信号ꎬ转换为频域ꎬＹ(ｗ)＝Ｘ(ｗ)＋Ｄ(ｗ)ꎮ则根据ＥｐｈｒａｉｍＹ和ＭａｌａｈＤ的论文推导出最优的对数ＭＭＳＥ估计器为㊀＾Ｘｋ＝εｋεｋ＋１ｅｘｐ{１２ʏɕＶｋｅ－ｔｔｄｔ}Ｙｋ＝ＧＬＳＡ(εｋꎬＶｋ)Ｙｋ(１)Ｖｋ＝εｋεｋ＋１γｋ(２)式中ꎬＧＬＳＡ(εｋꎬＶｋ)就是对数ＭＭＳＥ估计器的增益函数ꎮ在这个函数中有两个未知量ꎬ分布式先验信噪比εｋ(可以看做是第ｋ个频谱分量的实际信噪比)和后验信噪比γｋ(可以看做是加入噪声后第ｋ个频谱分量测得的信噪比)ꎮεｋ＝λｘ(ｋ)λｄ(ｋ)γｋ＝Ｙ２ｋλｄ(ｋ)(３)式中ꎬλｘ(ｋ)＝Ｅ{｜Ｘ(ωｋ)｜２}表示纯净信号谱的第ｋ个频谱分量的方差ꎮλｄ(ｋ)＝Ｅ{｜Ｘ(ωｄ)｜２}表示噪声频谱的第ｋ个频谱分量的方差ꎮ从上面式子当中ꎬ只有Ｙ(ｋ)是已知的ꎬ即带噪信号的频域分量ꎮ如果假设噪声是平稳信号ꎬ噪声方差可以用ＶＡＤ检测非语言段来不断更新ꎮ而纯净信号的方差则需要通过一定的方法估算踹ꎬ这里使用的是的是判决引导法ꎬ推导结果为εｋ(ｍ)＝ａＸ２ｋ(ｍ－１)λｄ(ｋꎬｍ－１)＋(１－ａ)ｍａｘ[γｋ(ｍ)－１ꎬ０](４)式中ꎬａ是平滑系数ꎬ一般取０.９８ꎮ整个语音增强系统的框图如图１所示ꎮ图１㊀ＬＯＧＭＭＳＥ算法系统框图１.２㊀ＯＭ－ＬＳＡ[８]ＯＭ￣ＬＳＡ是ＩｓｒａｅｌＣｏｈｅｎ提出的经典单通道音频降噪算法ꎮ该算法基于以下两个假设:Ｈ０(ｋꎬｌ):Ｙ(ｋꎬｌ)＝Ｄ(ｋꎬｌ)Ｈ１(ｋꎬｌ):Ｙ(ｋꎬｌ)＝Ｘ(ｋꎬｌ)＋Ｄ(ｋꎬｌ)(５)式中ꎬＨ１(ｋꎬｌ)和Ｈ０(ｋꎬｌ)分别表示第ｌ帧第ｋ个频率分量有无语音的假设ꎬＹ(ｋꎬｌ)㊁Ｘ(ｋꎬｌ)及Ｄ(ｋꎬｌ)分别表示带噪语音㊁干净语音以及噪声的短时傅里叶变换ꎮ则具有最小均方误差的干净语音对数谱估计可以由下式表示＾Ａ(ｋꎬｌ)＝ｅｘｐ{Ｅ[ｌｇＡ(ｋꎬｌ)｜Ｙ(ｋꎬｌ)]}(６)式中ꎬＡ(ｋꎬｌ)ʉ｜Ｘ(ｋꎬｌ)｜代表语音谱幅度ꎮ在语音存在不确定性条件下ꎬ则有:Ｅ[ｌｇＡ(ｋꎬｌ)｜Ｙ(ｋꎬｌ)]＝Ｅ[ｌｇＡ(ｋꎬｌ)｜Ｙ(ｋꎬｌ)ꎬＨ１(ｋꎬｌ)]ｐ(ｋꎬｌ)＋Ｅ[ｌｇＡ(ｋꎬｌ)｜Ｙ(ｋꎬｌ)ꎬＨ０(ｋꎬｌ)](１－ｐ(ｋꎬｌ))(７)式中ꎬｐ(ｋꎬｌ)ʉＰ(Ｈ１(ｋꎬｌ)｜Ｙ(ｋꎬｌ))ꎬ表示第ｌ帧第６２３１第５期阴法明ꎬ唐於烽:基于深度置信网络的语音增强算法㊀㊀ｋ个频率分量有语音的概率ꎮ当语音不存在时ꎬ为了使噪声听起来比较自然ꎬ规定语音增益函数必须大于一个最小阈值ꎬ即ꎬｅｘｐ{Ｅ[ｌｇＡ(ｋꎬｌ)｜Ｙ(ｋꎬｌ)ꎬＨ０(ｋꎬｌ)]}＝Ｇｍｉｎ ｜Ｙ(ｋꎬｌ)｜(８)当语音存在时ꎬ使用Ｅｐｈｒａｉｍ和Ｍａｌａｈ的对数谱幅度ＬＳＡ噪声估计器ꎬ则有ｅｘｐ{Ｅ[ｌｇＡ(ｋꎬｌ)｜Ｙ(ｋꎬｌ)ꎬＨ１(ｋꎬｌ)]}＝ＧＨ１(ｋꎬｌ) ｜Ｙ(ｋꎬｌ)｜(９)ＧＨ１(ｋꎬｌ)＝ξ(ｋꎬｌ)１＋ξ(ｋꎬｌ)ｅｘｐ１２ʏɕν(ｋꎬｌ)ｅ－ｔｔｄｔæèçöø÷(１０)式中ꎬξ(ｋꎬｌ)＝λｘ(ｋꎬｌ)λｄ(ｋꎬｌ)ꎬγ(ｋꎬｌ)＝｜Ｙ(ｋꎬｌ)｜２λｄ(ｋꎬｌ)分别表示语音的先验信噪比㊁后验信噪比ꎻλｘ(ｋꎬｌ)＝Ｅ[｜Ｘ(ｋꎬｌ)｜２｜Ｈ１(ｋꎬｌ)]ꎬλｄ(ｋꎬｌ)＝Ｅ(｜Ｄ(ｋꎬｌ)｜２)分别为语音和噪声的方差ꎻν(ｋꎬｌ)＝γ(ｋꎬｌ)ξ(ｋꎬｌ)１＋ξ(ｋꎬｌ)ꎮ将式(８)和式(９)代入式(７)式则可得到基于ＯＭ￣ＬＳＡ谱估计器的感觉语音估计ꎬ㊀＾Ｘ(ｋꎬｌ)＝{{ＧＨ１(ｋꎬｌ)}ｐ(ｋꎬｌ)Ｇ１－ｐ(ｋꎬｌ)ｍｉｎ} Ｙ(ｋꎬｌ)(１１)实际计算时ꎬ考虑到语音存在的不确定性ꎬ先验信噪比可由下式计算得到＾ξ(ｋꎬｌ)＝ａＧ２Ｈ１(ｋꎬｌ－１)γ(ｋꎬｌ－１)＋(１－ａ)ｍａｘ{γ(ｋꎬｌ)－１ꎬ０}(１２)权重因子ａ控制噪声去除和语音失真之间的折中ꎮ假设语音和噪声的ＳＴＦＴ系数均服从符合高斯分布ꎬ应用贝叶斯规则ꎬ则语音存在的条件概率为ｐ(ｋꎬｌ)＝１＋ｑ(ｋꎬｌ)１－ｑ(ｋꎬｌ)[１＋ξ(ｋꎬｌ)]ｅｘｐ[－ν(ｋꎬｌ)]㊀㊀{}－１(１３)综上ꎬ语音估计的算法流程图如图２所示ꎮ图２㊀谱增益计算结构框图１.３㊀基于深度置信网络的语音增强算法使用人工神经网络进行语音增强的主要思想是使用语音信号训练人工神经网络ꎬ最终使网络具有去除噪声的能力[４]ꎬ此算法使用到的语音库有带噪声的语音库和对应的纯净语音库[５]ꎮ２００６年ꎬＨｉｎｔｏｎ提出了深度置信网络以及贪婪的逐层无监督训练算法ꎬ很好地解决了深层神经网络训练过程中出现的局部最优和过拟合问题[９]ꎮ由此ꎬ深度神经网络的概念就被提了出来ꎬ其结构图如图３所示ꎮ图３㊀深度神经网络原理图这个结构图由输入层ｖ㊁多个隐含层ｈｋ和输出层组成ꎮ只有相邻层节点之间有连接ꎬ同一层的节点之间无连接ꎬ每个连接都有一个权重值ｗꎮ整个深度神经网络的训练主要由无监督和有监督训练组成ꎮ其训练过程为先用带噪语音的对数功率谱数据尝试训练一个深层的基于受限玻尔兹曼机的生成型模型ꎮ经过逐层贪婪式训练得到初始化网络参数之后ꎬ基于干净语音的对数功率谱特征和增强语音的对数功率谱特征之间的最小均方误差准则的反向错误传播算法来更新整个ＤＮＮ的参数[１７]ꎮ对数功率谱特征的提取:首先对信号进行分帧ꎬ帧重叠为１/２ꎮ然后短时傅里叶变换被用在信号上进行ＤＦＴ系数的计算ꎬ如下所示[４]:Ｙ(ｄ)＝ðＬ－１ｌｙ(ｌ)ｈ(ｌ)ｅ－ｊ２πｄｌ/Ｌ㊀ｄ＝０ꎬ１ꎬ ꎬＬ－１(１４)这里的ｄ是频率维度ꎬｈ(ｌ)表示的窗函数ꎬ这里如果离散傅里叶变换的点数Ｌ如果能增加ꎬ即采样的信息点数更多ꎬ那么输入的特征将包含更多的信息ꎮ对数功率谱可定义如下Ｙ(ｄ)＝ｌｇ｜Ｙ(ｄ)｜２㊀ｄ＝０ꎬ１ꎬ Ｄ－１(１５)这里Ｄ＝Ｌ/２＋１ꎬ而对于ｄ＝Ｄꎬ ꎬＬ－１ꎬＹ(ｄ)可以通过对称准则获得ꎬＹ(ｄ)＝Ｙ(Ｌ－ｄ)ꎮ波形重构㊀利用训练好的ＤＢＮ估计得到感觉语音的对数功率谱特征之后ꎬ根据如下公式对波形进行重构[１２]:＾Ｘ(ｄ)＝ｅｘｐ{＾Ｘ(ｄ)/２}ｅｘｐ{ｊøＹ(ｄ)}(１６)这里的相位信息øＹ(ｄ)是取自原始带噪信号中的ꎬ这是因为人耳对相位的微小变化不敏感ꎮ然后时域波形＾ｘ就可以通过反向离散傅里叶变换重构得到:７２３１电㊀子㊀器㊀件第４１卷＾ｘ(ｌ)＝１Ｌð＾ｘ(ｋ)ｅｊ２πｋｌ/Ｌ(１７)整个句子的波形可以通过经典的重叠相加算法进行合成ꎮ２㊀实验及结果２.１㊀实验设置本次实验的ｗａｖ文件采样率为１６ｋＨｚꎮ在对ＤＢＮ训练的数据是来于ＴＩＭＩＴ语音数据集构建的ꎮ噪声集是由汪德亮实验室公开的１００种噪声ꎮ实验将ＴＩＭＩＴ训练集里的４６２０句感觉语音被用来和噪声相加在一起ꎬ相加的信噪比有２０ｄＢꎬ１５ｄＢꎬ１０ｄＢꎬ５ｄＢꎬ０ｄＢ和－５ｄＢꎬ来构建了近１００ｈ的带噪数据(包含一小部分纯净语音的数据)ꎬ来训练基于ＤＮＮ的语音增强模型ꎮ而ＤＢＮ网络结构为:一个输入层ꎬ一个输出层和３个隐层[９]ꎬ输入层包含２文的帧数为１１帧ꎬ输出１帧数据ꎮ测试数据为从ＴＩＭＩＴ测试集中随机挑选的２００句和ｐｏｃｋｅｔｓｐｈｉｎｘ工程中给出的５条测试语音和５种未用于训练的噪声加在一起ꎬ构成带噪的测试集ꎮ分别用本文提到的３种语音增强方案进行处理ꎮ２.２㊀实验结果和分析２.２.１㊀带噪语音经过不同算法处理结果对比４种信噪比的带噪语音经过Ｌ￣ＭＭＳＥ㊁ＯＭ￣ＬＳＡ和ＤＢＮ语音增强算法的处理ꎬ使用ＰＥＳＱ指标进行评测ꎮ实验结果如表１所示ꎬ同时也抽取了一个测试样本ꎬ绘出其处理前后的语谱图ꎬ如图４所示ꎮ表１㊀带噪语音在不同增强算法下的平均ＰＥＳＱ结果ＮｏｉｓｙＬ￣ＭＭＳＥＯＭ￣ＬＳＡＤＮＮＳＮＲ１５２.６５２.９９３.１０３.６０ＳＮＲ１０２.３２２.６５２.７２３.１０ＳＮＲ０１.６５１.９３２.１１２.４１ＳＮＲ－５１.３８１.５５１.６５１.９７图４㊀语谱图对比ꎬ纯净语音语谱图㊀㊀从图４可以看出ꎬＬ￣ＭＭＳＥ和ＯＭ￣ＬＳＡ在低频段的语音畸变较大ꎬ而ＤＢＮ在低频和高频部分都能保持较高的还原度ꎬ与纯净语音谱的接近程度较高ꎮ这是由于ꎬＬ￣ＭＭＳＥ算法和ＯＭ￣ＬＳＡ算法都是基于语音和噪声不相干ꎬ噪声高斯分布的假设ꎬ这两种假设限制了他们效果的提高ꎬ而ＤＢＮ在基于大数据训练的技术下ꎬ几乎在没有任何假设的情况下生成了语音增强模型ꎬ因此ꎬ在这种没有任何假设的情况下ꎬ保持了较高的语音还原度ꎮ从以上实验结果可以看出ꎬ其中ＬＯＧＭＭＳＥ算法和ＯＭ￣ＬＳＡ算法在语音增强效果上不相上下ꎬ而ＤＢＮ在３种算法中体现出了卓越的性能ꎬ其对增强后的语音质量的提升远远超过前两种算法ꎮ３㊀结论本文研究比较了３种语音增强算法ꎬＬＯＧＭＭＳＥ算法㊁最佳修正对数谱语音估计器(ＯＭ￣ＬＳＡ)和基于深度置信网络(ＤｅｅｐＢｅｌｉｅｆＮｅｔｗｏｒｋ)的语音增强算法ꎮ分８２３１第５期阴法明ꎬ唐於烽:基于深度置信网络的语音增强算法㊀㊀析比较了它们的语音增强效果和计算复杂度ꎮ证明了ＤＢＮ语音增强方法ꎬ具有较好的语音降噪效果ꎮ参考文献:[１]㊀ＭｏｗｌａｅｅＰꎬＫｕｌｍｅｒＪ.ＰｈａｓｅＥｓｔｉｍａｔｉｏｎｉｎＳｉｎｇｌｅ￣ＣｈａｎｎｅｌＳｐｅｅｃｈＥｎｈａｎｃｅｍｅｎｔ:Ｌｉｍｉｔｓ￣Ｐｏｔｅｎｔｉａｌ[Ｊ].ＩＥＥＥ/ＡＣＭＴｒａｎｓａｃｔｉｏｎｓｏｎＡｕｄｉｏＳｐｅｅｃｈａｎｄＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇꎬ２０１５ꎬ２３(８):１２８３－１２９４. [２]ＰａｓｃｕａｌＳꎬＢｏｎａｆｏｎｔｅＡꎬＳｅｒｒàＪ.ＳＥＧＡＮ:ＳｐｅｅｃｈＥｎｈａｎｃｅｍｅｎｔＧｅｎｅｒａｔｉｖｅＡｄｖｅｒｓａｒｉａｌＮｅｔｗｏｒｋ[Ｊ].２０１７.[３]ＷｅｎｉｎｇｅｒＦꎬＥｒｄｏｇａｎＨꎬＷａｔａｎａｂｅＳꎬｅｔａｌ.ＳｐｅｅｃｈＥｎｈａｎｃｅｍｅｎｔｗｉｔｈＬＳＴＭＲｅｃｕｒｒｅｎｔＮｅｕｒａｌＮｅｔｗｏｒｋｓａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｔｏＮｏｉｓｅ￣ＲｏｂｕｓｔＡＳＲ[Ｍ].ＬａｔｅｎｔＶａｒｉａｂｌｅＡｎａｌｙｓｉｓａｎｄＳｉｇｎａｌＳｅｐａ￣ｒａｔｉｏｎ.ＳｐｒｉｎｇｅｒＩｎｔｅｒｎａｔｉｏｎａｌＰｕｂｌｉｓｈｉｎｇꎬ２０１５:９１－９９.[４]ＸｕＹꎬＤｕＪꎬＤａｉＬＲꎬｅｔａｌ.ＡｎＥｘｐｅｒｉｍｅｎｔａｌＳｔｕｄｙｏｎＳｐｅｅｃｈＥｎ￣ｈａｎｃｅｍｅｎｔＢａｓｅｄｏｎＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋｓ[Ｊ].ＩＥＥＥＳｉｇｎａｌＰｒｏ￣ｃｅｓｓｉｎｇＬｅｔｔｅｒｓꎬ２０１４ꎬ２１(１):６５－６８.[５]徐勇.基于深层神经网络的语音增强方法研究[Ｄ].中国科学技术大学ꎬ２０１５.[６]ＥｐｈｒａｉｍＹꎬＭａｌａｈＤ.ＳｐｅｅｃｈＥｎｈａｎｃｅｍｅｎｔＵｓｉｎｇａＭｉｎｉｍｕｍＭｅａｎ￣ＳｑｕａｒｅＥｒｒｏｒＬｏｇ￣ＳｐｅｃｔｒａｌＡｍｐｌｉｔｕｄｅＥｓｔｉｍａｔｏｒ[Ｊ].ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｃｏｕｓｔｉｃｓＳｐｅｅｃｈａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇꎬ１９８５ꎬ３３(２):４４３－４４５.[７]ＥｐｈｒａｉｍＹꎬＭａｌａｈＤ.ＤＭａｌａｈꎬＳｐｅｅｃｈＥｎｈａｎｃｅｍｅｎｔＵｓｉｎｇａＭｉｎ￣ｉｍｕｍＭｅａｎ￣ＳｑｕａｒｅＥｒｒｏｒＳｈｏｒｔ￣ＴｉｍｅＳｐｅｃｔｒａｌＡｍｐｌｉｔｕｄｅＥｓｔｉｍａｔｏｒ[Ｊ].ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｃｏｕｓｔｉｃｓＳｐｅｅｃｈａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓ￣ｉｎｇꎬ１９８５ꎬ３２(６):１１０９－１１２１.[８]ＣｏｈｅｎＩꎬＢｅｒｄｕｇｏＢ.ＳｐｅｅｃｈＥｎｈａｎｃｅｍｅｎｔｆｏｒＮｏｎ￣ＳｔａｔｉｏｎａｒｙＮｏｉｓｅＥｎｖｉｒｏｎｍｅｎｔｓ[Ｊ].ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇꎬ２００１ꎬ８１(１１):２４０３－２４１８. [９]ＨｉｎｔｏｎＧＥ.ＡＰｒａｃｔｉｃａｌＧｕｉｄｅｔｏＴｒａｉｎｉｎｇＲｅｓｔｒｉｃｔｅｄＢｏｌｔｚｍａｎｎＭａｃｈｉｎｅｓ[Ｊ].Ｍｏｍｅｎｔｕｍꎬ２０１２ꎬ９(１):５９９－６１９.[１０]ＸｕＹꎬＤｕＪꎬＤａｉＬＲꎬｅｔａｌ.ＡＲｅｇｒｅｓｓｉｏｎＡｐｐｒｏａｃｈｔｏＳｐｅｅｃｈＥｎ￣ｈａｎｃｅｍｅｎｔＢａｓｅｄｏｎＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋｓ[Ｊ].ＡｕｄｉｏＳｐｅｅｃｈａｎｄＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇＩＥＥＥ/ＡＣＭＴｒａｎｓａｃｔｉｏｎｓｏｎꎬ２０１５ꎬ２３(１):７－１９. [１１]ＸｕＹꎬＤｕＪꎬＨｕａｎｇＺꎬｅｔａｌ.Ｍｕｌｔｉ￣ＯｂｊｅｃｔｉｖｅＬｅａｒｎｉｎｇａｎｄＭａｓｋ￣ＢａｓｅｄＰｏｓｔ￣ＰｒｏｃｅｓｓｉｎｇｆｏｒＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋＢａｓｅｄＳｐｅｅｃｈＥｎ￣ｈａｎｃｅｍｅｎｔ[Ｊ].２０１７.[１２]ＡｌｌｅｎＪ.ＳｈｏｒｔＴｅｒｍＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓꎬＳｙｎｔｈｅｓｉｓꎬａｎｄＭｏｄｉｆｉｃａｔｉｏｎｂｙＤｉｓｃｒｅｔｅＦｏｕｒｉｅｒＴｒａｎｓｆｏｒｍ[Ｊ].ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＡｃｏｕｓｔｉｃｓＳｐｅｅｃｈａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇꎬ１９７７ꎬ２５(３):２３５－２３８.[１３]ＨａｎＫꎬＷａｎｇＤＬ.ＮｅｕｒａｌＮｅｔｗｏｒｋＢａｓｅｄＰｉｔｃｈＴｒａｃｋｉｎｇｉｎＶｅｒｙＮｏｉｓｙＳｐｅｅｃｈ[Ｊ].ＡｕｄｉｏＳｐｅｅｃｈａｎｄＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇＩＥＥＥ/ＡＣＭＴｒａｎｓａｃｔｉｏｎｓｏｎꎬ２０１４ꎬ２２(１２):２１５８－２１６８.[１４]ＨｅａｌｙＥＷꎬＹｏｈｏＳＥꎬＷａｎｇＹꎬｅｔａｌ.ＡｎＡｌｇｏｒｉｔｈｍｔｏＩｍｐｒｏｖｅＳｐｅｅｃｈＲｅｃｏｇｎｉｔｉｏｎｉｎＮｏｉｓｅｆｏｒＨｅａｒｉｎｇ￣ＩｍｐａｉｒｅｄＬｉｓｔｅｎｅｒｓ[Ｊ].ＪｏｕｒｎａｌｏｆｔｈｅＡｃｏｕｓｔｉｃａｌＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａꎬ２０１４ꎬ１３５(４):３０２９. [１５]ＺｈａｎｇＸＬꎬＷａｎｇＤＬ.ＢｏｏｓｔｉｎｇＣｏｎｔｅｘｔｕａｌＩｎｆｏｒｍａｔｉｏｎｆｏｒＤｅｅｐＮｅｕｒａｌＮｅｔｗｏｒｋＢａｓｅｄＶｏｉｃｅＡｃｔｉｖｉｔｙＤｅｔｅｃｔｉｏｎ[Ｍ].ＩＥＥＥＰｒｅｓｓꎬ２０１６.[１６]ＨｅａｌｙＥＷꎬＹｏｈｏＳＥꎬＷａｎｇＹꎬｅｔａｌ.ＡｎＡｌｇｏｒｉｔｈｍｔｏＩｍｐｒｏｖｅＳｐｅｅｃｈＲｅｃｏｇｎｉｔｉｏｎｉｎＮｏｉｓｅｆｏｒＨｅａｒｉｎｇ￣ＩｍｐａｉｒｅｄＬｉｓｔｅｎｅｒｓ[Ｊ].ＪｏｕｒｎａｌｏｆｔｈｅＡｃｏｕｓｔｉｃａｌＳｏｃｉｅｔｙｏｆＡｍｅｒｉｃａꎬ２０１３ꎬ１３４(４):３０２９. [１７]ＨｉｎｔｏｎＧＥꎬＯｓｉｎｄｅｒｏＳꎬＴｅｈＹＷ.ＡＦａｓｔＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＤｅｅｐＢｅｌｉｅｆＮｅｔｓ[Ｊ].ＮｅｕｒａｌＣｏｍｐｕｔａｔｉｏｎꎬ２００６ꎬ１８(７):１５２７.阴法明(１９８０－)ꎬ男ꎬ汉族ꎬ山东肥城人ꎬ副教授ꎬ硕士研究生ꎬ研究方向为语音信号处理ꎬｙｉｎｆｍ＠ｎｊｃｉｔ.ｃｎꎮ９２３１。
