基于注意力機制和殘差卷積網(wǎng)絡的語音增強?

李文志 屈曉旭

（海軍工程大學電子工程學院 武漢 430000）

1 引言

隨著通信技術的發(fā)展，語音增強技術是信號處理領域的一個重要的研究熱點，它可以從被噪聲污染的語音信號中提取有用的語音信號，改善語音質量和可懂度，廣泛應用于各種語音信號處理中［1］。

傳統(tǒng)的語音增強算法包括譜減法［2］、維納濾波法［3］、最小均方誤差法［4］和基于小波分解［5～6］的語音增強算法等。傳統(tǒng)的這些增強算法一般需要各種假設才能有較好的效果，但是對于非平穩(wěn)信號，增強效果會明顯下降。近年來，深度學習技術不斷發(fā)展，基于深度學習的有監(jiān)督的語音增強算法取得了重大進展，主要有基于深度神經(jīng)網(wǎng)絡（Deep Neural Network，DNN）［7～9］、卷積神經(jīng)（Convolutional Neural Network，CNN）［10～14］和循環(huán)神經(jīng)網(wǎng)絡（Recurrent Neural Network，RNN）［15～16］。基于有監(jiān)督的深度學習方法不需要假設，只需要從大量的含噪語音信號中學習語音與噪聲之間的非線性關系，得到一個訓練模型，從而通過這個模型增強語音信號，具有較好的去噪效果。

本文提出的基于注意力機制和殘差卷積網(wǎng)絡的語音增強算法，該方法將殘差學習和注意力機制融合到卷積神經(jīng)網(wǎng)絡中，通過設計網(wǎng)絡結構，將含噪語音的語譜圖作為輸入特征，輸出為增強后語音的語譜圖，最后重構語音信號。

2 基本原理

2.1 卷積神經(jīng)網(wǎng)絡

卷積神經(jīng)網(wǎng)絡一般由卷積層、池化層，上采樣層和全連接層組成，通過這些網(wǎng)絡層就可以構建一個卷積神經(jīng)網(wǎng)絡。卷積層是通過卷積核和前一網(wǎng)絡層輸出進行卷積運算來提取特征的，然后偏置項相加，得出當前層的特征。……