dnn降噪算法

问题描述

精选答案

深度神经网络（DNN）在语音增强方面效果明显，因此也越来越受欢迎。但目前大多数基于DNN的语音增强方法都是从带噪语音中估计干净语音的频谱，而忽略了嘈杂语音和干净语音之间的相位失配，而且越低信噪比下的带噪语音的相位和干净语音的相位偏差会越大，这极大地限制了语音增强的性能。

使用Griffin-Lim（GL）作为中间对比算法，使用之前的全频域算法和GL算法作为后端处理的方法的PESQ的结果的差值为0.2左右，但是使用时域对抗网络的结果和GL作为后端的结果之间的差值只为0.02，所以可以得到结论使用时域对抗网络生成的频谱图对于带噪声的语音的相位更加友好。