首页|基于长短时记忆模型的信噪分离

基于长短时记忆模型的信噪分离

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
近年来,随着深度神经网络技术的发展,人们提出了越来越多的深层网络结构并将其应用于语音分离任务.本文基于长短时记忆模型,研究了一种信噪分离算法,将梅尔频率倒谱系数作为模型的输入进行掩蔽估计,用Griffin-Lim算法重构分离语音.实验表明该算法的分离效果相比CNN方法有明显的提升,对阵发性噪声的分离效果尤其明显.
Speech Noise Separation Based on LSTM and Griffin-Lim Signal Estimation Algorithm

王先宇、张二华

展开 >

南京理工大学计算机科学与工程学院 南京 210094

信噪分离 深度神经网络 Griffin-Lim算法 长短时记忆模型

2022

10.3969/j.issn.1672-9722.2022.09.029

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(9)
  • 3