【摘要】：語音增強的目的是消除語音信號中的背景噪聲與環(huán)境干擾,來改善提高污染語音的質量,盡最大可能提取出純凈的沒有被污染的語音,多運用在語音識別系統(tǒng)、通信系統(tǒng)中,有非常重要的作用。但是由于環(huán)境的多樣化,噪聲的不穩(wěn)定性和隨機性,并且基本不可能得到所有樣本數(shù)據(jù),在實際應用中,這些方法很難取得較好的效果。另外,傳統(tǒng)的增強方法會對語音信號進行一些分布性的假設,不準確的假設會使增強后的語音與純凈語音信號差別比較大,語音的失真度相對比較高,結果就導致語音的可懂度不高,質量下降。針對這些問題,本文研究基于生成對抗網(wǎng)絡的語音增強方法。生成對抗網(wǎng)絡屬于生成式模型,采用零和博弈的思想讓生成器和判別器進行對抗訓練。它的生成器不需要對數(shù)據(jù)的分布做任何假設,最大的優(yōu)勢在于能夠學習任何分布下的真實數(shù)據(jù),并生成相似分布的數(shù)據(jù)。此外,生成對抗網(wǎng)絡多采用神經網(wǎng)絡結構搭建,不僅可以提高模型的泛化能力,還可以加速網(wǎng)絡的對抗訓練速度,具有非常大的優(yōu)勢。本文的主要工作包括以下兩個方面:(1)生成對抗網(wǎng)絡損失函數(shù)的選擇和網(wǎng)絡模型的性能緊密相關。通過分析原始生成對抗網(wǎng)絡的損失函數(shù)在模型訓練過程中面臨的問題,選擇最小二乘損失函數(shù)。針對利用生成器重構出的語音信號質量不高的問題,改進了最小二乘損失函數(shù)。在生成器的損失函數(shù)中引入L1范數(shù),并用超參數(shù)ρ來控制L1正則化影響的權重系數(shù),并通過實驗得出最優(yōu)值。針對語音信號的特點,在改進的基礎上搭建了基于語音增強的判別器和生成器的網(wǎng)絡結構,訓練并測試模型的性能。通過與傳統(tǒng)的語音增強算法進行比較,得出基于生成對抗網(wǎng)絡的語音增強效果好于傳統(tǒng)的語音增強算法。(2)本文在深度卷積生成對抗網(wǎng)絡的基礎上,針對模型在訓練過程中收斂速度慢、梯度消失等問題,對生成器和判別器的網(wǎng)絡結構進行改進�；跅l件生成對抗網(wǎng)絡,將判別器抽取的高維抽象特征作為生成器的條件信息,與高斯噪聲一同輸入到生成器,構建條件生成對抗網(wǎng)絡模型。最后通過跟改進前的基于生成對抗網(wǎng)絡的語音增強算法進行對比分析,發(fā)現(xiàn)生成對抗網(wǎng)絡能夠獲得更好的增強效果,增強后的語音質量得到了提升,也增加了算法的穩(wěn)定性和泛化能力。
【圖文】：

圖4.1 Sigmod 函數(shù)和 Least Square 函數(shù)對比圖發(fā)現(xiàn)，，sigmod 函數(shù)僅在 0 中心左右的區(qū)間上有梯度幾乎不變化。而最小二乘函數(shù)的梯度只有在取有足夠的梯度，因此，最小二乘損失函數(shù)在 GAN 度會更加快。

數(shù)會將這些樣本拉向決策邊界，如圖 4.3 所示，可以更好的利用模型樣本對模型進行訓練，收斂速度快，且不會出現(xiàn)梯度消失的問題。圖4.2 交叉熵損失函數(shù)圖4.3 最小二乘損失函數(shù)基于這一觀察，我們選擇最小二乘生成對抗網(wǎng)絡（LSGAN）。判別器的損失函數(shù)如式(4-7)所示，生成器的損失函數(shù)如式(4-8)所示。( )( )( ( ))( )( ( ))2 2~ ~1 1min2 2data zLSGAN x P x z P zDV D E D xb E D G z a = + (4-7)( )( )( ( ))2~1min2zLSGAN z P zGV G E D G z c = (4-8)上式中，通過最小化判別器的損失函數(shù)，使真實數(shù)據(jù)被編碼為 a，生成數(shù)據(jù)被編碼為 b。通過最小化生成器的損失函數(shù)，使得到生成的數(shù)據(jù)能夠混淆判別器，同時被
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN912.35;TP183

【相似文獻】

相關期刊論文 前10條

1 劉鵬;;基于深度學習的語音增強方法研究[J];智能計算機與應用;2019年05期

2 石玲;;基于計算機聲卡的譜相減語音增強系統(tǒng)分析[J];信息與電腦(理論版);2010年02期

3 孫濤;;基于計算機聲卡的譜相減語音增強系統(tǒng)分析[J];南昌教育學院學報;2010年05期

4 張曉雷;;基于深度學習的語音增強簡述[J];網(wǎng)絡新媒體技術;2019年02期

5 李璐君;屈丹;;一種基于組合深層模型的語音增強方法[J];信息工程大學學報;2018年04期

6 袁文浩;婁迎曦;梁春燕;夏斌;;利用生成噪聲提高語音增強方法的泛化能力[J];電子學報;2019年04期

7 陰法明;唐於烽;;基于深度置信網(wǎng)絡的語音增強算法[J];電子器件;2018年05期

8 余華;唐於烽;趙力;;基于改進深度置信網(wǎng)絡的語音增強算法[J];數(shù)據(jù)采集與處理;2018年05期

9 薛慧君;李盛;路國華;張楊;焦騰;王健琪;荊西京;;提升小波用于非接觸語音增強算法的研究[J];醫(yī)療衛(wèi)生裝備;2013年05期

10 胡海波;劉柏森;許銀;;基于小波變換的語音增強研究[J];黑龍江工程學院學報(自然科學版);2011年01期

相關會議論文 前10條

1 王世偉;胡笑滸;鄭成詩;李曉東;;一種改進的基于能量差語音增強算法[A];中國聲學學會第九屆青年學術會議論文集[C];2011年

2 江峰;李曉東;;適用于抑制非平穩(wěn)背景噪聲的語音增強算法[A];中國聲學學會2003年青年學術會議[CYCA'03]論文集[C];2003年

3 閻兆立;杜利民;;維納后濾波語音增強算法研究[A];中國聲學學會2005年青年學術會議[CYCA'05]論文集[C];2005年

4 童峰;許肖梅;洪青陽;;一種帶階數(shù)估計的語音增強算法[A];第八屆全國人機語音通訊學術會議論文集[C];2005年

5 袁榕嶸;吳鳴;楊軍;;雙麥克風語音增強快速算法[A];泛在信息社會中的聲學——中國聲學學會2010年全國會員代表大會暨學術會議論文集[C];2010年

6 國雁萌;;一種極低信噪比條件下的語音增強方法[A];第六屆全國人機語音通訊學術會議論文集[C];2001年

7 李海峰;韓紀慶;鄭鐵然;;元音、輔音粗判自適應電話語音增強方法[A];第七屆全國人機語音通訊學術會議（NCMMSC7）論文集[C];2003年

8 高登峰;楊波;郭東岳;;基于深度神經網(wǎng)絡的地空通話語音增強方法[A];第一屆空中交通管理系統(tǒng)技術學術年會論文集[C];2018年

9 樓廈廈;鄭成詩;李曉東;;濾波器權值約束對自適應零限波束形成語音增強算法魯棒性影響分析[A];中國聲學學會2007年青年學術會議論文集（上）[C];2007年

10 任玉寶;;基于聯(lián)合字典學習的語音增強算法[A];中國聲學學會水聲學分會2019年學術會議論文集[C];2019年

相關重要報紙文章 前3條

1 ;NMS Sonata Ⅲ/Studio Sound級語音增強系統(tǒng)話音更清晰[N];中國計算機報;2003年

2 本報記者 馬楠;NMS市場目標轉向無線服務提供商[N];通信產業(yè)報;2001年

3 ;VoIP服務不只是便宜的通話[N];網(wǎng)絡世界;2002年

相關博士學位論文 前10條

1 江文斌;面向復雜場景的極低碼率語音編解碼和語音增強關鍵技術研究[D];上海交通大學;2018年

2 高天;復雜環(huán)境下基于深度學習的語音信號預處理方法研究[D];中國科學技術大學;2018年

3 童仁杰;基于信號稀疏特性的語音增強算法研究[D];中國科學技術大學;2018年

4 王青;基于深層神經網(wǎng)絡的多目標學習和融合的語音增強研究[D];中國科學技術大學;2018年

5 王冬霞;麥克風陣列語音增強的若干方法研究[D];大連理工大學;2007年

6 歐世峰;變換域語音增強算法的研究[D];吉林大學;2008年

7 孫琦;基于子空間的低計算復雜度語音增強算法研究[D];吉林大學;2017年

8 夏丙寅;面向移動通信的單通道語音增強方法研究[D];北京工業(yè)大學;2014年

9 姚峰英;語音增強系統(tǒng)的研究與實現(xiàn)[D];中國科學院上海冶金研究所;2001年

10 張龍;有監(jiān)督學習條件下的單通道語音增強算法研究[D];中國科學技術大學;2017年

相關碩士學位論文 前10條

1 李nQ;單聲道語音增強關鍵技術研究[D];重慶郵電大學;2019年

2 吳曉華;基于聽覺感知加權的時域語音增強算法研究[D];南京航空航天大學;2019年

3 Guernaz Zineddine;電話和語音識別系統(tǒng)的語音增強[D];哈爾濱工業(yè)大學;2019年

4 葉富強;基于主觀聽覺反饋的機器學習語音增強模型優(yōu)化研究[D];哈爾濱工業(yè)大學;2019年

5 余國修;麥克風陣列語音增強算法研究[D];西安電子科技大學;2019年

6 張鶴鳴;基于深度學習的語音增強方法研究[D];大連理工大學;2019年

7 孫桂琪;基于相空間重構的語音增強方法研究[D];青島大學;2019年

8 吳衛(wèi)鵬;基于改進譜減的語音增強算法研究[D];南京郵電大學;2019年

9 張文瑞;基于生成對抗網(wǎng)絡的語音增強方法的研究[D];西安電子科技大學;2019年

10 霍陸陸;基于自適應噪聲相消的語音增強系統(tǒng)研究[D];西安電子科技大學;2019年

本文編號：2615512