用于单通道语音增强的深噪声抑制模型的比较评估
考虑到视频会议系统和流传输工具的日益增加的使用，具有计算有效和有效的语音增强器变得有利和必要。 Microsoft DNS挑战极大地促进了该领域的创新，但仍有很大的改进空间。 这项工作比较了此挑战中提出的两种用于语音增强的深度学习模型：NSNet2和双信号转换LSTM网络（DTLN）。 在基于混响时间RT60和信噪比（SNR）规范的两种对比条件下，分别使用两个数据集和三种不同的以语音质量为中心的措施对这两种模型进行了比较：语音质量的感知评估（PESQ），深噪声抑制平均意见分数（DNSMOS）和虚拟语音质量目标听众（ViSQOL）。
概述
这是“单声道语音增强的深噪声抑制模型的比较评估”研究报告的伴随代码，该研究由EstebanGómez进行，该研究是巴塞罗那Pompeu Fabra大学的声音和音乐计算硕士学位的学生，是音乐信息的一部分检索过程。
2021-10-05 17:22:16
109.86MB
1
两步降噪 (TSNR) 技术消除了恼人的混响效应，同时保持了决策导向方法的优势。 然而，包括 TSNR 在内的经典短时降噪技术会在增强语音中引入谐波失真。 为了克服这个问题，实现了一种称为谐波再生降噪 (HRNR) 的方法，以改进用于计算频谱增益的先验 SNR，如 Plapous 等人提出的那样，能够保留语音谐波。 （“用于语音增强的改进的信噪比估计”，IEEE Transactions on ASLP，第 14 卷，第 6 期，第 2098 - 2108 页，2006 年 11 月）。
%% 带有嘈杂语音文件 car.wav 的示例>> [x,fs] = audioread('car.wav'); >> [out,~] = WienerNoiseReduction(x,fs,10000) % 前 10000 个样本是噪声样本（不含语音） >> soundc(out(1:122000)
2021-09-28 10:58:33
222KB
1
该档案包含 MATLAB 代码，用于对语音信号进行基于相干性的去混响，详细描述 [1]。 请参阅 demo_cdr_dereverb.m 以开始使用。 [1] Andreas Schwarz、Walter Kellermann，“相干与扩散功率比去混响估计”，IEEE/ACM Trans. on Audio, Speech and 朗。 2015 年 6 月； 预印本：arXiv:1502.03784 PDF： http : //arxiv.org/pdf/1502.03784
2021-09-24 19:39:55
1.08MB
1
行业分类-设备装置-一种基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法.zip
2021-09-11 14:05:25
602KB
行业分类-设备装置-一种基于鲁棒非负矩阵分解和数据融合的无监督语音增强方法.zip
2021-09-11 14:05:25
602KB
维纳滤波音频去噪matlab代码小波去噪
基于多锥谱自适应小波去噪的Yu和Guizou语音增强的Matlab实现。
布雷西亚大学信息表示高级方法课程的最终项目，2018年。
众所周知，在大多数频域语音增强算法中遇到的“音乐噪声”部分是由于频谱的大方差估计所致。
为了解决这个问题，我们建议在本文中使用基于小波阈值的多方谱的低方差频谱估计器进行语音增强。
导出了一个短时频谱幅度估计器，该估计器结合了小波阈值多峰频谱。
听力测试表明，与子空间和MMSE算法相比，多锥频谱估计与小波阈值结合可抑制音乐噪声并产生更好的质量。
用法
执行SpeechEnhancement.m。
您将需要手动更改代码中的音频路径。
要迭代算法：
一次执行所有代码；
按以下顺序重复各节：
带Multitapers的PSD估计
DWT
+阈值+维纳过滤器
重建与结果
2021-08-26 09:14:14
1.83MB
1