基于生成对抗网络合成噪声的语音增强方法研究
2020年电子技术应用第11期
夏 鼎，徐文涛
南京航空航天大学 理学院，江苏 南京211106
摘要： 在语音增强领域，深度神经网络通过对大量含有不同噪声的语音以监督学习方式进行训练建模，从而提升网络的语音增强能力。然而不同类型噪声的获取成本较大，噪声类型难以全面采集，影响了模型的泛化能力。针对这个问题，提出一种基于生成对抗网络(Generative Adversarial Networks，GAN)的噪声数据样本增强方法，该方法对真实噪声数据进行学习，根据数据特征合成虚拟噪声，以此扩充训练集中噪声数据的数量和类型。通过实验验证，所采用的噪声合成方法能够有效扩展训练集中噪声来源，增强模型的泛化能力，有效提高语音信号去噪处理后的信噪比和可理解性。
中圖分類號： TN912.3
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200327
中文引用格式： 夏鼎，徐文濤. 基于生成對抗網絡合成噪聲的語音增強方法研究[J].電子技術應用，2020，46(11)：56-59，64.
英文引用格式： Xia Ding，Xu Wentao. Research on speech enhancement method based on generating noise using GAN[J]. Application of Electronic Technique，2020，46(11)：56-59，64.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.200327
中文引用格式： 夏鼎，徐文濤. 基于生成對抗網絡合成噪聲的語音增強方法研究[J].電子技術應用，2020，46(11)：56-59，64.
英文引用格式： Xia Ding，Xu Wentao. Research on speech enhancement method based on generating noise using GAN[J]. Application of Electronic Technique，2020，46(11)：56-59，64.
Research on speech enhancement method based on generating noise using GAN
Xia Ding，Xu Wentao
School of Science，Nanjing University of Aeronautics and Astronautics，Nanjing 211106，China
Abstract： In the field of speech enhancement, deep neural network can improve the enhancement ability of the model by training and modeling a large number of data with different noises in the supervised learning way. However, the acquisition cost of different types of noise is large and the noise types are difficult to be comprehensive, which affects the generalization ability of the model. Aiming at this problem, this paper proposes a noise data augmentation method based on generative adversarial network(GAN), which learns from the real noise data and synthesizes virtual noises according to the data features, so as to expand the number and type of the noise data in the training set. Experimental results show that the method of noise synthesis adopted in this article can effectively expand the source of noise in the training set, enhance the generalization ability of the model, and effectively improve the signal-to-noise ratio and intelligibility of speech signal after denoising.
Key words : speech enhancement；generative adversarial network；data augmentation
0 引言
在語音信號處理的過程中，背景噪聲和環境干擾嚴重影響了信號處理的可靠性，需要通過語音增強處理方法去除信號中的噪聲干擾，改善含噪語音的質量。因此，語音增強技術在語音識別、聽力輔助和語音通信等領域中具有非常重要的作用。
傳統的語音增強方法有譜減法[1]、維納濾波[2-3]以及之后出現的基于統計模型的處理方法[4]等，這些方法都是基于已知噪聲的統計特性來進行建模，得到噪聲的功率譜信息，對含噪語音信號進行降噪處理，以估計純凈語音信號。這些傳統方法的準確性嚴重依賴數據特征工程處理方法和數據類型，對于未知的噪聲干擾，其適應能力較差[5]。隨著人工智能的發展，深度神經網絡被應用于語音增強領域[6]。利用深層神經網絡的特征學習，可以將含噪語音映射為純凈語音，達到去除噪聲的目的。為了提高深度神經網絡進行語音增強方法的泛化能力，最直接的手段是進行數據增強，包括增加數據的多樣性、擴大數據集等。實驗表明，在深度神經網絡訓練的過程中采用更多種類的噪聲數據，語音信噪比質量可以顯著提高[7-8]。但是，真實的噪聲數據獲取難度較大，成本較高，這限制了網絡去噪能力的適用性。針對這一問題，本文基于生成對抗網絡GAN設計了一種訓練數據集增強方法，通過生成虛擬噪聲，擴充訓練集中噪聲數據的類型和數量，提高模型的泛化能力。
本文詳細內容請下載:http://m.tom3567.com/resource/share/2000003050
作者信息:
夏 鼎，徐文濤
(南京航空航天大學 理學院，江蘇 南京211106)
此內容為AET網站原創，未經授權禁止轉載。