《表3 3种算法增强后的平均输出SNR和PESQ结果对比》

  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

《区分性联合稀疏字典交替优化的语音增强》

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

选取SNR和PESQ作为各种算法增强语音的性能评价指标。表1和表2分别列出了3种算法在SNR和PESQ值两个方面的对比结果。通过对表中所示的结果分析，所提出的算法在改善SNR和PESQ值方面显然优于其余两种对比算法，特别是对于低信噪比为-5dB时，依旧取得很好的增强效果。为了更佳地突出说明所提出算法的优点，分别给出了不同字典学习算法的语音增强后的平均SNR和PESQ值的对比结果，如表3所示。从统计结果分析可以计算出，当输入的信噪比分别为-5dB、0dB和5dB时，文中提出的区分性联合稀疏字典交替优化的语音增强和KSVD算法相比较，输出信噪比平均提高了10.00dB，6.82dB，4.25dB，PESQ值平均提高了0.87、0.92和0.98。与联合字典算法比较，输出信噪比提高了3.80dB、2.82dB和1.25dB，PESQ值提高了0.68、0.70和0.58。实验证明，所提出的算法在各种信噪比的情况下均可以取得很好的可懂度，从听觉效果上来看，语音听起来更加舒适自然。