典型文献
结合优化U-Net和残差神经网络的单通道语音增强算法
文献摘要：
语音增强的目的是从带噪语音中恢复出干净的语音信号,为了解决现有深度神经网络中语音增强算法不稳定,语音增强效果不理想的问题,提出一种改进的U-Net网络与残差神经网络相结合的语音增强算法.首先,该方法构建了一个基于U-Net网络的端到端的语音增强模型;然后在该模型的编解码块中引入残差单元,将残差神经网络结构的跨层连接和拟合残差项应用到模型训练中,该方法更有利于恢复目标语音的细节特征信息,增强了模型训练的稳定性,提高了模型的特征提取能力和训练效率,改进后的Residual-U-Net网络模型能够实现更优的语音增强效果.仿真实验结果表明:与现有的其他几种语音增强方法相比,文中所提出的Residual-U-Net算法更有效地实现了语音增强,此外,该算法具有良好的去噪效果,进一步提高了语音信号的质量及其可懂度.
文献关键词：
语音增强;深层神经网络;U-Net;残差神经网络;跨层连接;模型训练;残差单元引入;特征提取
中图分类号：
作者姓名：
许春冬;徐琅;周滨
作者机构：
江西理工大学 信息工程学院,江西 赣州 341000
文献出处：
引用格式：
[1]许春冬;徐琅;周滨-.结合优化U-Net和残差神经网络的单通道语音增强算法)[J].现代电子技术,2022(09):35-40
A类：
残差单元引入
B类：
Net,残差神经网络,单通道语音增强,增强算法,复出,干净,语音信号,有深度,深度神经网络,增强效果,端到端,增强模型,编解码,神经网络结构,跨层连接,拟合残差,模型训练,复目,目标语,细节特征,特征信息,特征提取能力,训练效率,Residual,增强方法,去噪效果,深层神经网络
AB值：
0.271864
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
