计算机应用研究

作者：曹洁,王宸章,梁浩鹏,王乔,李晓旭,

单位：1.兰州理工大学计算机与通信学院,兰州730050；2.兰州城市学院信息工程学院,兰州730050；

关键词：语音增强,双分支注意力机制,时域,单通道,

基金：甘肃省重点研发计划资助项目(22YF7GA130)；；

针对语音增强网络对全局语音相关特征提取困难、对语音局部上下文信息的捕捉效果不佳的问题，提出了一种基于双分支注意力U-Net的时域语音增强方法，该方法使用U-Net编码器-解码器结构，将单通道带噪语音经过一维卷积后得到的高维时域特征作为输入。首先利用残差连接设计了基于Conformer的残差卷积来增强网络降噪的能力。其次设计了双分支注意力机制结构，利用全局和局部注意力获取带噪语音中更丰富的上下文信息，同时有效表示长序列特征，提取更多样的特征信息。最后结合时域频域损失函数构建了加权损失函数对网络进行训练，提高网络的语音增强性能。使用了多个指标对增强语音的质量和可懂度等进行评价，在公开数据集Voice Bank+DEMAND上的增强后的语音感知质量（PESQ）为3.11，短时可懂度（STOI）为95%，信号失真度（CSIG）为4.44，噪声失真测（CBAK）为3.60，综合质量测度（COVL）为3.81，其中PESQ相较于SE-Conformer提高了7.6%，相较于TSTNN提高了5.1%。实验结果表明，所提方法在语音降噪的各个指标都表现出更优的实验结果，能够完成语音增强任务的相关要求。

来源：2024年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第4期