《表1 三种方法的平均PESQ得分》

  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

《联合贝叶斯估计与深度神经网络的语音增强方法》

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

此外，我们还在表3中给出了带噪语音和增强语音的频域分段信噪比，它比全局信噪比更接近实际的语音质量.与表1和表2的分析结果一致，采用GW-Chi-DNN方法增强后的语音的平均频域分段信噪比提升值最大，效果最优.同时，可以观察到，GW-Chi-DRNN网络对engine和factory这样的非平稳噪声的提升效果高于白噪声和粉红噪声，一定程度上弥补了Chi分布下基于听觉感知广义加权的贝叶斯估计器对于非平稳噪声效果较差的缺陷.