基于生成對(duì)抗網(wǎng)絡(luò)合成噪聲的語(yǔ)音增強(qiáng)方法研究
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>491 K
標(biāo)簽： 語(yǔ)音增強(qiáng) 生成對(duì)抗網(wǎng)絡(luò) 數(shù)據(jù)增強(qiáng)
所需積分：0分積分不夠怎么辦？
文檔介紹：在語(yǔ)音增強(qiáng)領(lǐng)域，深度神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)大量含有不同噪聲的語(yǔ)音以監(jiān)督學(xué)習(xí)方式進(jìn)行訓(xùn)練建模，從而提升網(wǎng)絡(luò)的語(yǔ)音增強(qiáng)能力。然而不同類型噪聲的獲取成本較大，噪聲類型難以全面采集，影響了模型的泛化能力。針對(duì)這個(gè)問(wèn)題，提出一種基于生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Networks，GAN)的噪聲數(shù)據(jù)樣本增強(qiáng)方法，該方法對(duì)真實(shí)噪聲數(shù)據(jù)進(jìn)行學(xué)習(xí)，根據(jù)數(shù)據(jù)特征合成虛擬噪聲，以此擴(kuò)充訓(xùn)練集中噪聲數(shù)據(jù)的數(shù)量和類型。通過(guò)實(shí)驗(yàn)驗(yàn)證，所采用的噪聲合成方法能夠有效擴(kuò)展訓(xùn)練集中噪聲來(lái)源，增強(qiáng)模型的泛化能力，有效提高語(yǔ)音信號(hào)去噪處理后的信噪比和可理解性。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。