一种基于自学习复数卷积神经网络的鲁棒性语音增强方法
公开
摘要
本发明公开了一种基于自学习复数卷积神经网络的鲁棒性语音增强方法，涉及语音增强、降噪领域。该方法通过构建MDCCRN模型，丰富了语音特征及不同空间域特征的关联性表征；引入基于博弈论并行、全局寻优策略改良的麻雀搜索算法（PGSSA），提高并行搜索能力，从而进一步提高模型超参数自适应寻优的效率和性能，也提高了模型搜索精度；同时使用PGSSA对构建AMDCCRN时所需的6个关键模型参数进行自适应寻优，最终构建出适用于多域辅助融合且具备自学习能力的语音增强模型。本发明所提方法取得了更好的语音增强效果，更好地提取了不同域信息的内在关联性，有很好的有效性和泛化性，在降低网络设计难度的同时有效提升了网络降噪效果。
基本信息
专利标题 ：
一种基于自学习复数卷积神经网络的鲁棒性语音增强方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114566178A
申请号 ：
CN202210212480.2
公开（公告）日 ：
2022-05-31
申请日 ：
2022-03-04
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张睿张鹏云高美蓉潘理虎白晓露马健喆
申请人 ：
太原科技大学
申请人地址 ：
山西省太原市万柏林区瓦流路66号
代理机构 ：
太原科卫专利事务所(普通合伙)
代理人 ：
侯小幸
优先权 ：
CN202210212480.2
主分类号 ：
G10L21/0208
IPC分类号 ：
G10L21/0208 G10L21/0224 G10L21/0232 G10L25/30 G10L25/36 G10L25/39 G06N3/04
IPC结构图谱
G
G部——物理
G10
乐器；声学
G10L
语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码
G10L21/00
为了改变语音或声音信号的质量或其可识度而处理语音或声音信号，以产生另一种可听的或非可听的信号，例如视觉信号或触觉信号
G10L21/02
语音增强，例如降低噪声或消除回声
G10L21/0208
噪声过滤
法律状态
2022-05-31 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
