《表2 GAN与DNN在加性噪声上性能对比Tab.2 Performance comparison between GAN and DNN on additive noise》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于WGAN的语音增强算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

为了验证本文方法的有效性，从测试语音中随机抽取一条语音与人群嘈杂声、餐厅噪声、街道噪声以及展厅噪声4种噪音类型进行叠加测试，表2将本文所使用算法与徐勇等提出的深层神经网络DNN[12]在不同信噪比下的增强效果进行了对比，DNN3指3层神经网络。表2中数据为平均结果。在信噪比分别为20，15，5 dB时，本文算法对语音质量的提升百分比高于文献[12]，表明语音增强生成对抗网络在信噪比较高的情况下，语音增强任务中性能较好。此外，在多种信噪比下PESQ平均提升23.97%，高于文献[12]的21.97%。本文测试语音与DNN中测试使用的语音和噪音不同，所以，表2中DNN和GAN使用Noisy的PESQ不同，但是可以根据提升的百分比验证本文方法的有效性。