结合优化U-Net和残差神经网络的单通道语音增强算法

摘要：

语音增强的目的是从带噪语音中恢复出干净的语音信号,为了解决现有深度神经网络中语音增强算法不稳定,语音增强效果不理想的问题,提出一种改进的U-Net网络与残差神经网络相结合的语音增强算法.首先,该方法构建了一个基于U-Net网络的端到端的语音增强模型;然后在该模型的编解码块中引入残差单元,将残差神经网络结构的跨层连接和拟合残差项应用到模型训练中,该方法更有利于恢复目标语音的细节特征信息,增强了模型训练的稳定性,提高了模型的特征提取能力和训练效率,改进后的Residual-U-Net网络模型能够实现更优的语音增强效果.仿真实验结果表明:与现有的其他几种语音增强方法相比,文中所提出的Residual-U-Net算法更有效地实现了语音增强,此外,该算法具有良好的去噪效果,进一步提高了语音信号的质量及其可懂度.

关键词：语音增强、深层神经网络、U-Net、残差神经网络、跨层连接、模型训练、残差单元引入、特征提取

所属期刊栏目：45

分类号：TN912.35-34

资助基金：国家自然科学基金;国家自然科学基金;江西省文化艺术科学规划项目

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：35-40