基于深度学习的单通道语音增强开题报告

全文总字数：708字

1. 研究目的与意义

语音增强是指一段干净语音信号被各种噪声干扰后，采用一定的降噪算法从包含目标语音和背景噪声的带噪信号中提取所需的语音信号。

在与智能设备的交互中，人和这些设备之间的交流以简易指令为主，使得语音将成为智能设备下一代的信息入口，其次，语音增强在军事通信需要语音增强技术减弱强噪声环境干扰，确保目标语音的质量和可懂度满足通信需要。

因此，基于深度学习的方式有效融合复杂环境提取的谱信息去重构原始的语音信号，提高语音的质量，更符合现实应用和需求。

2. 国内外研究现状分析

传统单声道语音增强算法较多的运用了数字信号处理的知识，可分为时域和频域的方法。

传统的普减法是由boll在1979年提出，该算法实现简单，但若对噪声欠估计就会残留噪声过大，若过估计就会带来语音失真。

时域上主要有子空间算法，子空间算法把带噪信号分解为信号子空间和噪声子空间，然后得到估计的原始语音信号（徐勇2015）。

3. 研究的基本内容与计划

第1-2周：查阅资料，学习相关知识技能和应用软件；第3-4周：建立模型并在相关软件进行仿真；第5-8周：进行大量实验，在不同环境下对实验结果进行对比分析；第9-11周：对不同目标信号进行仿真实验，利用深度学习提高语音增强智能化；第12-15周：总结归纳，撰写论文。

4. 研究创新点

① 考虑信号帧之间的相关性，比较多种深层神经网络模型利用信号帧之间相关性的能力② 考虑构建能够训练鲁棒性模型的数据库，加性与乘性噪声同时考虑③ 考虑Mapping与Masking两种模型，比较这两种模型对不同噪声的影响