计算机应用

作者：尤昕源, 王恒

单位：武汉轻工大学 数学与计算机学院，武汉 430048

关键词：语音增强,复数频谱映射,膨胀卷积,门控机制,注意力机制

基金：湖北省教育厅科学研究计划重点项目(D20201601);武汉工程大学智能机器人湖北省重点实验室开放基金资助项目(HBIR202101)

上下文信息的使用在语音增强任务中具有重要作用。针对全局语音利用不充分的问题，提出一种用于复数频谱映射的门控膨胀卷积循环网络（GDCRN）。GDCRN包含编码器、门控时间卷积模块（GTCM）和解码器这3部分，编码器和解码器是非对称的网络结构。首先，编码器利用门控膨胀卷积模块（GDCM）扩大感受野，处理特征；其次，使用GTCM捕获更长的上下文信息，并选择性传递特征；最后，解码器使用结合门控线性单元（GLU）的反卷积，反卷积与编码器中对应层的卷积层使用跳跃连接，并引入通道时频注意力（CTFA）机制。实验结果表明，相较于时间卷积神经网络（TCNN）、门控卷积循环网络（GCRN）等网络，所提网络的参数量和训练时间更少，客观语音质量评估（PESQ）和短时客观可懂度（STOI）都有显著改善，最高可提升0.258 9和4.67个百分点，具有更好的增强效果与更强的泛化能力。

来源：2024年第4期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第4期