《表1 不同语音增强方法的度量分数》

  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

《高噪声环境下的生成对抗网络人机语音增强技术》

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

为了便于直观理解，本文分别获得传统GAN、Wi e n e r、S E G A N和D F C N N-G A N生成的语音信号频谱图。图5列出了频谱图的比较图，从图中可以发现，传统的生成对抗网络的效果最为不好，这是因为它具有训练不稳定、易发生梯度爆炸等缺点。DFCNN-GAN的训练效果最好，更为接近纯净语音信号的频谱图，与其他信号相比，可以有效滤除噪声信号，提高语音质量。