基于联合损失函数的语音质量特征增强分析.pdfVIP

第１期(总第２３２期)山西电子技术应用实践

２０２４年２月

文章编号:１６７４￣４５７８(２０２４)０１￣００１３￣０３

基于联合损失函数的语音质量特征增强分析

杨玲玲

(河南工业贸易职业学院信息工程学院ꎬ河南郑州４５００６４)

摘要:为确保代价函数能够根据人耳感知特点开展分析过程ꎬ设计了一种联合损失函数的语

音增强深度学习算法ꎻ针对损失函数计算过程加入关于人耳听觉的数据ꎮ研究结果表明:本文设计

的混合损失函数实现了增强语音质量的明显优化ꎮ以常规损失函数ＭＥＳ进行处理时ꎬ增强语音发

生了明显失真ꎻ以联合损失函数进行处理时ꎬ可以明显降低增强语音失真程度ꎬ获得更优的语音

质量ꎮ

关键词:语音增强ꎻ联合损失函数ꎻ听觉ꎻ语音失真

中图分类号:ＴＮ９１２.３５文献标识码:Ａ

ＳｐｅｅｃｈＱｕａｌｉｔｙＦｅａｔｕｒｅＥｎｈａｎｃｅｍｅｎｔＡｎａｌｙｓｉｓＢａｓｅｄｏｎＪｏｉｎｔＬｏｓｓＦｕｎｃｔｉｏｎ

ＹａｎｇＬｉｎｇｌｉｎｇ

(ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇꎬＨｅｎａｎＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅ

ｏｆＩｎｄｕｓｔｒｙａｎｄＴｒａｄｅꎬＺｈｅｎｇｚｈｏｕＨｅｎａｎ４５００６４ꎬＣｈｉｎａ)

Ａｂｓｔｒａｃｔ:Ｉｎｏｒｄｅｒｔｏｅｎｓｕｒｅｔｈａｔｔｈｅｃｏｓｔｆｕｎｃｔｉｏｎｃａｎｃａｒｒｙｏｕｔｔｈｅａｎａｌｙｓｉｓｐｒｏｃｅｓｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｃｈａｒａｃｔｅｒ￣

ｉｓｔｉｃｓｏｆｈｕｍａｎｅａｒｐｅｒｃｅｐｔｉｏｎꎬａｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔｄｅｅｐｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｃｏｍｂｉｎｅｄｗｉｔｈｌｏｓｓｆｕｎｃｔｉｏｎｉｓｄｅ￣

ｓｉｇｎｅｄｏｎｔｈｅｂａｓｉｓｏｆｔｈｅａｂｏｖｅ.Ｔｈｅａｕｄｉｔｏｒｙｄａｔａｏｆｈｕｍａｎｅａｒａｒｅａｄｄｅｄｔｏｔｈｅｃａｌｃｕｌａｔｉｏｎｐｒｏｃｅｓｓｏｆｌｏｓｓｆｕｎｃ￣

ｔｉｏｎ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｈｙｂｒｉｄｌｏｓｓｆｕｎｃｔｉｏｎｄｅｓｉｇｎｅｄｉｎｔｈｉｓｐａｐｅｒｃａｎａｃｈｉｅｖｅｏｂｖｉｏｕｓｏｐｔｉｍｉｚａｔｉｏｎｏｆｅｎ￣

ｈａｎｃｅｄｓｐｅｅｃｈｑｕａｌｉｔｙ.ＷｈｅｎｔｈｅｃｏｎｖｅｎｔｉｏｎａｌｌｏｓｓｆｕｎｃｔｉｏｎＭＥＳｉｓｕｓｅｄꎬｔｈｅｅｎｈａｎｃｅｄｓｐｅｅｃｈｉｓｏｂｖｉｏｕｓｌｙｄｉｓｔｏｒｔ￣

ｅｄ.Ｗｈｅｎｐｒｏｃｅｓｓｉｎｇｗｉｔｈｊｏｉｎｔｌｏｓｓｆｕｎｃｔｉｏｎꎬｔｈｅｄｅｇｒｅｅｏｆｅｎｈａｎｃｅｄｓｐｅｅｃｈｄｉｓｔｏｒｔｉｏｎｃａｎｂｅｓｉｇｎｉｆｉｃａｎｔｌｙｒｅｄｕｃｅｄ

ａｎｄｂｅｔｔｅｒｓｐｅｅｃｈｑｕａｌｉｔｙｃａｎｂｅｏｂｔａｉｎｅｄ.

Ｋｅｙｗｏｒｄｓ:ｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔꎻｊｏｉｎｔｌｏｓｓｆｕｎｃｔｉｏｎꎻｈｅａｒｉｎｇꎻｄｉｓｔｏｒｔｉｏｎｏｆｓｐｅｅｃｈ

[３]

０引言成训练过程ꎮ此外ꎬ还可以利用卷积神经网络直

ＤＮＮ用作一种具备优异非线性映射性能的高接分析二维平面数据ꎬ包含噪声信号的时频图也属

效算法ꎬ目前已被大量应用于语音增强信号处理领于一种二维平面结构ꎬ可根据时间、频率参数来提取

[４]

域ꎬ但该方法在实际应用过程中依然还有部分缺陷