标签: 语音增强

基于麦克风阵列的语音增强和定位系统……

为了克服传统语音增强算法对语音信号和噪声信号各种假设前提的依赖，并且提升语音增强性能，本文在基于深层神经网络的语音增强方法的基础上，提出了一种联合噪声分类和卷积神经网络的时频掩码估计方法。该算法综合考虑到多种类型噪声混合的带噪信号会对训练的卷积神经网络的预测精度产生不同程度的影响，其通过噪声分类识别，自适应被各类噪声污染的语音信号的时频掩码的估计，并利用语音活性检测方法对预测的掩码进行后修正。实验结果表明，该算法在多种噪声环境下取得更大的信噪比增益。

电子耳蜗语音处理一般是针对无声调的西方语设计的，随着电子耳蜗汉语使用者人数的快速增长，提高电子耳蜗汉语识别能力是面临的重要问题。将汉语端点检测和高级混合编码（ACE）策略相结合，利用基于元音的端点检测获取的静音段、特殊噪音段和音节端点等信息优化ACE策略，控制通道选择，调整刺激速率，可以增强汉语语音识别能力，更好地抑制含噪语音的噪声成分。通过主客观评价结果表明，基于汉语端点检测改进的ACE策略构成的电子耳蜗系统，相比传统CIS策略和ACE策略的电子耳蜗系统，平均识别率分别平均提高13%和11%，有效提高了电子耳蜗合成语音的清晰度和辨识度，增强了汉语语音识别效果。