基于优化浮值掩蔽的监督性语音分离

作     者：夏莎莎 张学良 梁山 XIA Sha-Sha;ZHANG Xue-Liang;LIANG Shan

作者机构：内蒙古大学计算机学院 中国科学院自动化研究所模式识别国家重点实验室 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2018年第44卷第10期

页      面：1876-1887页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 

基　　金：国家自然科学基金(61365006)资助 

主　　题：深度神经网络 语音分离 监督性学习 计算目标 

摘      要：监督性语音分离利用有监督学习算法,建立输入带噪语音信号和输出目标信号之间的映射关系.近年来,随着深度学习理论的发展,监督性分离算法已经成为语音分离最重要的研究方向,计算目标对分离算法的性能有着重要影响.理想浮值掩蔽作为常用的分离目标,能够提升分离的语音可懂度和语音质量,但没有考虑噪声和语音之间的相关性.本文采用优化浮值掩蔽作为分离目标,利用深度神经网络(Deep neural network, DNN)作为分离模型,并在多种噪声环境和信噪比条件下进行对比实验.结果表明,优化浮值掩蔽对语音感知质量有显著提升,总体上分离性能优于其他计算目标.