联合贝叶斯估计与深度神经网络的语音增强方法

摘要

目前,深度学习的研究方法已经成为了语音增强算法的新趋势,而输入的特征是影响增强效果的关键因素.实验表明,输入增强过的语音特征相对原始特征能更好地提升神经网络的语音增强效果.因此,本文首先提出一种改进的Chi分布下基于听觉感知广义加权的贝叶斯估计器,接着将改进的贝叶斯估计器作为深度神经网络的输入特征提取器,进而得到一种联合深度神经网络与Chi分布下基于听觉感知广义加权的贝叶斯估计器预处理的新型网络结构.实验仿真证明,提出的联合算法较传统语音增强算法与基于深度神经网络的语音增强算法在各个噪声环境下,各种性能指标均有了明显的提升.