《表2 9种增强方法在不同信噪比下评价指标值》
表3列举了在4种不同噪声类型下,8种语音增强算法对于-2 dB混合信噪比环境下带噪测试集语音增强后的SNR测量均值,单位为dB,表格中加粗数字仍然表示每列的最大取值。在不同的噪声类型情况下,与其他的7种方法相比,本文提出的IF综合特征作为DNN语音增强系统输入层特征时,增强语音的SNR指标最好,与CF组合特征相比,SNR平均提高了0.149 dB;与MRCG多分辨率特征相比,SNR平均提高了0.141 dB。同时也可以发现,上述提到的8种方法,对White噪声类型降噪效果最好,就IF-DNN语音增强系统来说,测试集带噪语音信号的混合信噪比为-2 dB,语音增强后信噪比变为8.990 5 dB,信噪比提高了10.990 5 dB,这主要是因为White是平稳高斯白噪声,分布律不随时间或者位置变化,模型经过训练集的训练,非常好地学习到了White的特性,因此在利用测试集测试时,效果比在其他非平稳噪声情况下更好。
图表编号 | XD0069560000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 张涛、任相赢、刘阳、耿彦章 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |