深度复数轴向自注意力卷积循环网络的语音增强.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

Computer

Systems

Applications,2024,33(4):60−68

[doi:

10.15888/ki.csa.009458]

©中国科学院软件研究所版权所有.Tel:

+86-10

深度复数轴向自注意力卷积循环网络的语音增强①

1,211113

曹洁,

王乔,

梁浩鹏,

王宸章,

李晓旭,

于泓

1(兰州理工大学

计算机与通信学院,

兰州

730050)

2(兰州城市学院

信息工程学院,

兰州

730020)

3(鲁东大学

信息与电气工程学院,

烟台

264025)

通信作者:

曹洁,

E-mail:

haop1115@163.com

摘要:

单通道语音增强任务中相位估计不准确会导致增强语音的质量较差,

针对这一问题,

提出了一种基于深度

复数轴向自注意力卷积循环网络(deep

complex

axial

self-attention

convolutional

recurrent

network,

DCACRN)的语

音增强方法,

在复数域同时实现了语音幅度信息和相位信息的增强.

首先使用基于复数卷积网络的编码器从输入语

音信号中提取复数表示的特征,

并引入卷积跳连模块用以将特征映射到高维空间进行特征融合,

加强信息间的交互

和梯度的流动.

然后设计了基于轴向自注意力机制的编码器-解码器结构,

利用轴向自注意力机制来增强模型的时

序建模能力和特征提取能力.

最后通过解码器实现对语音信号的重构,

同时利用混合损失函数优化网络模型,

提升

增强语音信号的质量.

实验在公开数据集Valentini和DNS

Challenge上进行,

结果表明所提方法相对于其他模型在

客观语音质量评估(perceptual

evaluation

of

speech

quality,

PESQ)和短时客观可懂度(short-time

objective

intelligibility,

STOI)两项指标上均有提升,

在非混响数据集中,

PESQ比DCTCRN

(deep

cosine

transform

convolutional

recurrent

network)提高了12.8%,

比DCCRN

(deep

complex

convolutional

recurrent

network)提高了3.9%,

验证了该网络模型

在语音增强任务中的有效性.

关键词:

单通道语音增强;

复数卷积循环网络;

卷积跳连;

轴向自注意力机制

引用格式:

曹洁,王乔,梁浩鹏,王宸章,李晓旭,于泓.深度复数轴向自注意力卷积循环网络的语音增强.计算机系统应用,2024,33(4):60–68.

/1003-3254/9458.html

SpeechEnhancementBasedonDeepComplexAxialSelf-attentionConvolutionalRecurrent

Network

1,211113

CAO

Jie,

WANG

Qiao,

LIANG

Hao-Peng,

WANG

Chen-Zhang,

LI

Xiao-Xu,

YU

Hong

1(School

of

Computer

and

Communication,

Lanzhou

University

of

Technology,

Lanzhou

730050,

China)

2(School

of

Information

Engineering,

Lanzhou

City

University,

Lanzhou

730020,

Chin