《表2 9种增强方法在不同信噪比下评价指标值》

  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

《基于自编码特征的语音增强声学特征提取》

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

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。