文档摘要:为提升语音去噪技术的整体性能,提出基于深度学习的语音信号去噪方法.通过引入Adam优化长短期记忆(LongShort-TermMemory,LSTM)网络,提高了语音去噪的效率和效果.实验部分使用TIMIT数据集进行验证,并对比了传统LSTM模型和优化后的LSTM模型的性能.实验结果表明,优化后的LSTM模型的信噪比(Signal-to-NoiseRatio,SNR)和均方误差(MeanSquaredError,MSE)均优于传统模型.
Abstract:Toimprovetheoverallperformanceofspeechdenoisingtechnology,adeeplearningbasedspeechsignaldenoisingmethodisproposed.ByintroducingAdamtooptimizeLongShort-TermMemory(LSTM)networks,theefficiencyandeffectivenessofspeechdenoisinghavebeenimproved.TheexperimentalpartwasvalidatedusingtheTIMITdataset,andtheperformanceofthetraditionalLSTMmodelandtheoptimizedLSTMmodelwerecompared.TheexperimentalresultsshowthattheoptimizedLSTMmodelhasbetterSignal-to-NoiseRatio(SNR)andMeanSquaredError(MSE)thantraditionalmodels.
作者:国腾飞 徐骁 陈静 郭宝军 康宪芝Author:GUOTengfei XUXiao CHENJing GUOBaojun KANGXianzhi
作者单位:沧州交通学院,河北沧州061199
刊名:电声技术
Journal:AudioEngineering
年,卷(期):2024, 48(6)
分类号:TP37
关键词:深度学习 长短期记忆(LSTM) 语音信号 去噪
Keywords:deeplearning LongShort-TermMemory(LSTM) voicesignal denoising
机标分类号:TP391.1TN912.3TP183
在线出版日期:2024年7月10日
基金项目:河北省高等教育教学改革研究项目,中国民办教育协会课题,河北省高等学校科学研究项目,河北省高等教育教学改革研究项目,沧州交通学院校级科研项目,沧州交通学院校级教改项目基于深度学习的语音信号去噪方法研究[
期刊论文] 电声技术--2024, 48(6)国腾飞 徐骁 陈静 郭宝军 康宪芝为提升语音去噪技术的整体性能,提出基于深度学习的语音信号去噪方法.通过引入Adam优化长短期记忆(LongShort-TermMemory,LSTM)网络,提高了语音去噪的效率和效果.实验部分使用TIMIT数据集进行验证,并对比了传统LSTM模...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词:深度学习,长短期记忆(LSTM),语音信号,去噪,
|
|