語音增強(qiáng)屬于《中國圖書分類法》中的六級類目，該分類相關(guān)的期刊文獻(xiàn)有386篇，會議文獻(xiàn)有108篇，學(xué)位文獻(xiàn)有321篇等，語音增強(qiáng)的主要作者有曾慶寧、賈海蓉、鮑長春，語音增強(qiáng)的主要機(jī)構(gòu)有中國科學(xué)院聲學(xué)研究所、中國科學(xué)院大學(xué)、蘭州交通大學(xué)電子與信息工程學(xué)院等。
統(tǒng)計(jì)的文獻(xiàn)類型來源于 期刊論文、 學(xué)位論文、 會議論文
1.[期刊]
基于注意力門控膨脹卷積網(wǎng)絡(luò)的單通道語音增強(qiáng)
摘要： 在有監(jiān)督語音增強(qiáng)任務(wù)中,上下文信息對目標(biāo)語音的估計(jì)產(chǎn)生重要影響,為了獲取更加豐富的語音全局相關(guān)特征,該文以盡可能小的參數(shù)為前提,設(shè)計(jì)了一種新型卷積網(wǎng)絡(luò)來進(jìn)行語...
2.[期刊]
基于時(shí)域全卷積網(wǎng)絡(luò)的語音增強(qiáng)
摘要： 目前基于深度學(xué)習(xí)的語音增強(qiáng)方法一般是通過在頻域中對語音信號幅度譜進(jìn)行處理,相位信息受到損失。針對這一問題,提出一種基于時(shí)域全卷積網(wǎng)絡(luò)的語音增強(qiáng)方法。該方法通過...
3.[期刊]
基于雙通道卷積注意力網(wǎng)絡(luò)的語音增強(qiáng)方法
摘要： 傳統(tǒng)的單通道網(wǎng)絡(luò)模型因表征能力有限,無法充分提取語音深層特征,導(dǎo)致模型的語音增強(qiáng)效果不明顯。鑒于此,提出一種雙通道卷積注意力網(wǎng)絡(luò)的語音增強(qiáng)方法。首先,使用卷積...
4.[期刊]
基于時(shí)頻聯(lián)合損失函數(shù)的語音增強(qiáng)算法
摘要： 在頻域語音增強(qiáng)算法中,由于估計(jì)幅度譜與帶噪相位譜的不匹配,其性能難以突破固有上限。在時(shí)域語音增強(qiáng)框架中,模型將時(shí)域波形作為輸入,由網(wǎng)絡(luò)直接學(xué)習(xí)時(shí)域波形之間的映...
5.[期刊]
融合自注意力的卷積門控循環(huán)網(wǎng)絡(luò)語音增強(qiáng)
摘要： 語音時(shí)頻特征的時(shí)間依賴性、局部相關(guān)性、全局相關(guān)性等特性,使得傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與時(shí)頻域語音增強(qiáng)任務(wù)無法完全相適應(yīng)。針對這一問題,首先利用卷積層代替門控循環(huán)單元...
6.[期刊]
基于注意力機(jī)制和殘差卷積網(wǎng)絡(luò)的語音增強(qiáng)
摘要： 為了進(jìn)一步提高語音增強(qiáng)算法的性能,提出了一種基于注意力機(jī)制和殘差卷積網(wǎng)絡(luò)的語音增強(qiáng)算法。該方法在卷積神經(jīng)網(wǎng)絡(luò)中添加殘差學(xué)習(xí)網(wǎng)絡(luò)和注意力機(jī)制,首先對語音信號進(jìn)行...
7.[期刊]
基于Transformer的單通道語音增強(qiáng)模型綜述
摘要： 深度學(xué)習(xí)可以有效地解決帶噪語音信號與干凈語音信號之間復(fù)雜的映射問題,改善單通道語音增強(qiáng)的質(zhì)量,但是增強(qiáng)語音的質(zhì)量依然不理想。Transformer在語音信號處...
8.[期刊]
摘要： 特定人語音分離算法是指從包含多種說話人同時(shí)講話場景的混合語音中,通過一個(gè)特征向量的引導(dǎo)來分離出特定說話人的語音。特征向量的獲取通常有兩種方式,一種是使用一組自...
9.[期刊]
基于時(shí)頻域生成對抗網(wǎng)絡(luò)的語音增強(qiáng)算法
摘要： 傳統(tǒng)基于生成對抗網(wǎng)絡(luò)的語音增強(qiáng)算法(Speech Enhancement Algorithm Based on Generative Adversarial ...
10.[期刊]
結(jié)合自適應(yīng)軟掩模和混合特征的語音增強(qiáng)
摘要： 針對采用梅爾域特征進(jìn)行語音增強(qiáng)時(shí)存在有效特征丟失的問題,提出采用更符合人耳壓縮感知的冪函數(shù)提取帶噪語音的伽馬通域特征,將其與梅爾域特征深度混合進(jìn)行語音增強(qiáng),用...
11.[期刊]
結(jié)合優(yōu)化U?Net和殘差神經(jīng)網(wǎng)絡(luò)的單通道語音增強(qiáng)算法
摘要： 語音增強(qiáng)的目的是從帶噪語音中恢復(fù)出干凈的語音信號,為了解決現(xiàn)有深度神經(jīng)網(wǎng)絡(luò)中語音增強(qiáng)算法不穩(wěn)定,語音增強(qiáng)效果不理想的問題,提出一種改進(jìn)的U?Net網(wǎng)絡(luò)與殘差神...
12.[期刊]
摘要： 頻域語音增強(qiáng)算法在高信噪比的條件下有明顯的降噪效果,而在低信噪比條件下頻域語音增強(qiáng)算法的性能會大幅下降。針對這個(gè)問題,將基于聲紋的掩碼應(yīng)用到頻域語音增強(qiáng)網(wǎng)絡(luò),...
13.[期刊]
一種改進(jìn)窗函數(shù)的低時(shí)延語音增強(qiáng)算法
摘要： 語音增強(qiáng)技術(shù)作為語音數(shù)字信號處理前端的預(yù)處理技術(shù),在提高語音的可懂度和總體感知質(zhì)量等方面扮演著重要角色。而以短時(shí)傅里葉變換為基礎(chǔ)的語音增強(qiáng)算法會產(chǎn)生窗大小加跳...
14.[期刊]
基于卷積循環(huán)網(wǎng)絡(luò)與非局部模塊的語音增強(qiáng)方法
摘要： 現(xiàn)有的深度神經(jīng)網(wǎng)絡(luò)語音增強(qiáng)方法忽視了相位譜學(xué)習(xí)的重要性,從而造成增強(qiáng)語音質(zhì)量不理想。針對這一問題,文中提出了一種基于卷積循環(huán)網(wǎng)絡(luò)與非局部模塊的語音增強(qiáng)方法。通...
15.[期刊]
時(shí)頻掩碼優(yōu)化的兩階段語音增強(qiáng)算法
摘要： 針對傳統(tǒng)深度神經(jīng)網(wǎng)絡(luò)語音增強(qiáng)算法未區(qū)分在不同信噪比環(huán)境中去噪的側(cè)重點(diǎn),同時(shí)考慮到預(yù)測相位信息對于語音增強(qiáng)的重要性,提出了時(shí)頻掩碼優(yōu)化的兩階段語音增強(qiáng)算法。第一...
16.[期刊]
一種適用于雙講狀態(tài)的聲學(xué)回聲消除系統(tǒng)
摘要： 聲學(xué)回聲消除中存在的雙端講話情況會導(dǎo)致回聲消除器的性能發(fā)生惡化,而傳統(tǒng)的雙端話音檢測及其控制算法無法有效應(yīng)對雙講。針對這一問題,提出一種根據(jù)頻譜信擾比(近端話...
17.[期刊]
分布式無線聲傳感網(wǎng)加權(quán)預(yù)測誤差語聲去混響方法
摘要： 室內(nèi)混響會嚴(yán)重降低語聲質(zhì)量,因此在室內(nèi)語聲通信中對混響的抑制顯得尤為重要。針對無線聲傳感網(wǎng),該文提出一種基于加權(quán)預(yù)測誤差的分布式自適應(yīng)去混響算法。通過調(diào)整傳統(tǒng)...
18.[期刊]
一種改進(jìn)的雙麥克風(fēng)語音增強(qiáng)算法
摘要： 提出了一種雙通道語音增強(qiáng)算法。該方法結(jié)合了最小方差無失真響應(yīng)波束成形方法和基于超高斯聯(lián)合的增益函數(shù)。同時(shí),采用基于譜通量的語音活動檢測來提高波束形成的輸出精度...
19.[期刊]
摘要： 針對現(xiàn)有的語音可懂度評價(jià)方法不能有效地處理信號在多種類型的非線性失真下的變化,提出了一種基于雙譜特征的語音可懂度評價(jià)(Bispectral Speech In...
20.[期刊]
面向語音增強(qiáng)的聚焦自適應(yīng)波束形成方法
摘要： 針對語音信號相對帶寬大、麥克風(fēng)存在誤差以及現(xiàn)有自適應(yīng)波束形成方法寬帶干擾抑制能力不足的問題,提出一種面向語音增強(qiáng)的聚焦自適應(yīng)波束形成方法。首先將Capon空間...
電聲技術(shù)
現(xiàn)代電子技術(shù)
