DNN单通道语音增强(附Demo代码)

---

目录

1. 基于映射的语音增强

1.1 训练阶段

1.2 增强阶段

2. 基于掩蔽的语音增强

3. Demo效果以及代码

---

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