基于深度神经网络的单通道语音分离算法

摘要

单通道包含的信息非常有限使得单通道语音分离是一个非常具有挑战性的研究领域.文中提出一种基于深度神经网络(DNN)的监督学习算法,将混合语音信号从单通道中分离出来.首先,将原始信号混合并提取特征,输入到分离网络中输出分离后的信号.通过设计实验,对网络的最佳参数进行选择,并确定特征向量和上下文窗口大小.最后采用TIMIT语料库来评估提出的算法,与基于非负矩阵分解(NMF)的模型相比,基于DNN的模型在SDR指标上提高了1.67dB.