联合噪声分类和掩码估计的语音增强方法

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。