典型文献
基于Transformer的单通道语音增强模型综述
文献摘要：
深度学习可以有效地解决带噪语音信号与干净语音信号之间复杂的映射问题,改善单通道语音增强的质量,但是增强语音的质量依然不理想.Transformer在语音信号处理领域中已得到了广泛应用,由于集成了多头注意力机制,可以更好地关注语音的长时相关性,该模型可以进一步改善语音增强效果.基于此,回顾了基于深度学习的语音增强模型,归纳了Transformer模型及其内部结构,从不同实现结构出发对基于Transformer的语音增强模型分类,详细分析了几种实例模型.并在常用数据集上对比了Transformer单通道语音增强的性能,分析了它们的优缺点.对相关研究工作的不足进行了总结,并对未来发展进行展望.
文献关键词：
语音增强;深度学习;Transformer;单通道;多头注意力机制
中图分类号：
作者姓名：
范君怡;杨吉斌;张雄伟;郑昌艳
作者机构：
陆军工程大学 指挥控制工程学院,南京 210007;火箭军士官学校 测试控制系,山东 潍坊 262500
文献出处：
引用格式：
[1]范君怡;杨吉斌;张雄伟;郑昌艳-.基于Transformer的单通道语音增强模型综述)[J].计算机工程与应用,2022(12):25-36
A类：
B类：
Transformer,单通道语音增强,增强模型,干净,语音信号处理,已得,多头注意力机制,增强效果,模型分类
AB值：
0.139069
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。
