基于长短时记忆模型的信噪分离

摘要

近年来,随着深度神经网络技术的发展,人们提出了越来越多的深层网络结构并将其应用于语音分离任务。本文基于长短时记忆模型,研究了一种信噪分离算法,将梅尔频率倒谱系数作为模型的输入进行掩蔽估计,用Griffin-Lim算法重构分离语音。实验表明该算法的分离效果相比CNN方法有明显的提升,对阵发性噪声的分离效果尤其明显.