【语音去噪】基于改进谱减法语音去噪matlab 源码.md

语音降噪模型训练PMSQE loss 对应pesq指标MOS分

对LMS自适应算法进行了详细的性能分析与讨论，针对LMS算法运算较复杂、适应性较弱、稳定性差的缺点提出了一种HLMS（混合LMS）算法。建立了自适应噪声抵消系统，利用MATILAB软件对食堂、体育馆两处的录音信号进行计算机语音去噪仿真分析。实验结果表明，两种自适应方法均能有效抑制各种噪声污染，提高语音信噪比为60%~85%，而且对引入的语音信号失真也较小，二者均在10%以下。HLMS算法比LMS算法更简洁，LMS算法调节性能敏感于参考输入的方差，而HLMS算法敏感于参考输入的均方根值，因此HLMS算法的适应性比LMS算法更强，在非平稳随机输入情况下HLMS算法更能提供稳定的工作性能，更能较好的恢复原始语音信号。

用matlab编写的一个BP神经网络去除语音高频噪声的程序代码

双信号转换LSTM网络 Tensorflow 2.x实施的堆叠式双信号转换LSTM网络（DTLN）用于实时噪声抑制。 该存储库提供了用于在python中训练，推断和服务DTLN模型的代码。 它还提供了SavedModel，TF-lite和ONNX格式的预训练模型，可用作您自己的项目的基准。 该模型能够在RaspberryPi上运行实时音频。 如果您正在使用此仓库做一些有趣的事情，请告诉我。 我总是对您使用此代码或该模型所做的事情感到好奇。 DTLN模型已提交给深度噪声抑制挑战（ ），并在INTERSPEech 2020上发表。 这种方法在少于一百万个参数的堆叠网络方法中结合了短时傅立

针对基于深度学习的语音信号去噪方法存在难于收敛、性能不足的问题，本文提出了基于环状生成对抗网络的深度语音信号去噪方法，设计了新型的环状生成对抗语义去噪网络。通过40余种不同噪声语音集的试验，结果表明所提方法在5种衡量标准下都明显改善了去噪性能。

对语音降噪、语音增强后的信号做质量评估

学完这门课的同学可以用这个做大作业

一种基于RBF神经网络的语音去噪方法，郑鲲，孙光民，对语音去噪方法进行研究，采用RBF(Radial Basis Function)神经网络在频域上对有噪语音信号进行去噪处理。比较了RBF神经网络对语音信号在时�

1.对离散序列DFT变换并显示幅度谱与相位谱；2.对wav格式语音在时域和频域简单降噪，并分别显示幅度谱