《表1 在不同的噪声条件下各语音增强方法的seg SNR》

  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

《生成式对抗网络在语音增强方面的研究》

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

选用CLSMD[16]、mss＿map[17]、subspace[18]、MMSE[19]、SS[20]、Wiener[21]等传统的语音增强方法作为参考，选用语音质量评估标准中最为经典的segSNR[22]（分割信噪比）和PESQ（perceptual evaluation of speech quality）[23]来计算得分，其中seg SNR是指对噪声的抑制能力，值越大越好，PESQ是指评估主观的语音质量，值也是越大越好。噪声同样选择了NOISEX-92噪声库中的噪声，分别为babble餐厅噪声、pink噪声和white噪声，纯净的语音同样来自NOIZEUS语音库；将三种噪声和纯净的语音分别进行叠加，各自形成了自己的语音信噪比，分别为-5 dB、0 dB、5 d B、10d B、15 dB各100个含噪语音句子，总共500个含噪语音句子。实验结果如表1和表2所示。