《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》
%
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。
图表编号 | XD0028664600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.02.01 |
作者 | 王怡斐、韩俊刚、樊良辉 |
绘制单位 | 西安邮电大学、西安邮电大学、西安邮电大学 |
更多格式 | 高清、无水印(增值服务) |