【语音增强论文解读 08】S-DCCRN: SUPER WIDE BAND DCCRN WITH LEARNABLE COMPLEX FEATURE FORSPEECH ENHANCEMENT

最新推荐文章于 2024-08-12 08:51:41 发布

怕鸭鸭不怕

最新推荐文章于 2024-08-12 08:51:41 发布

阅读量796

点赞数

分类专栏：语音增强文章标签：语音识别人工智能音视频 cnn 自然语言处理

本文链接：https://blog.csdn.net/qq_41893773/article/details/124614709

版权

语音增强专栏收录该内容

8 篇文章

订阅专栏

该研究聚焦于超宽带和全频段语音去噪，提出了一种结合子带和全带建模的轻量级DCCRN子模块。通过使用可学习的频谱压缩（LSC），模型能动态调整不同频段能量，尤其改善高频部分的清晰度，为超宽带语音处理带来显著提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

动机：

大多数最近的语音增强方法主要集中在采样率为 16K Hz 的宽带信号上。然而，由于难以对更多频段特别是高频分量进行建模，因此仍然缺乏对超宽带（例如，32K Hz）甚至全频段（48K）去噪的研究。

方法：

提出了两个轻量级 DCCRN 子模块，分别用于子带和全带 (SAF) 建模，采用子带处理模块分别对低频段和高频段进行建模。应用全频带处理模块来平滑不同频带的边界。在模型中引入了可学习的频谱压缩（LSC），可以动态调整不同频段的能量。LSC 的使用导致高频段上的图案更加清晰，并且此更新带来了 0.07 的额外 PESQ 增益。受 DPT-FSNet 的编码器/解码器块的启发，在 STFT 之后使用复杂特征编码器 (CFE)，在 iSTFT 之前使用复杂特征解码器 (CFD)。