目录
传统的语音增强方法基于一些设定好的先验假设,但是这些先验存在一定的不合理之处。此外传统语音增强依赖于参数的设定,人工经验等。随着深度学习的发展,越来越多的人开始注意使用深度学习来解决语音增强问题。由于单通道使用场景较多,本文就以单通道语音增强为例。目前基于DNN单通道大致可以分为两种方法,第一种寻求噪声语音谱与纯净语音谱的映射(Map),另一种则是基于掩蔽(Mask)的方法。
1. 基于映射的语音增强
基于映射的语音增强方法通过训练DNN模型将噪声谱与纯净谱之间的映射关系,其流程如下图所示,很多博客和文章也有讲这个方法但是我觉得不详细,让初学者一脸懵逼,下面详细介绍。
1.1 训练阶段:
- 输入:这里采用较为简单的特征,即带噪声语音信号的幅度谱。也可以采用其他的特征,记得输入是带噪信号的特征就可以了,这里就不再赘述了。值得一提的是,如果你输入是一帧,对应输出也是一帧的话效果一般不会很好。因此一般采用扩帧的技术, 如下图所示。即每次输入除了当前帧外还需要输入当前帧的前几帧和后几帧。这是因为