一种基于GRU神经网络的语音增强方法

彭月，蒙祖强，杨丽娜

(广西大学 计算机与电子信息学院， 广西 南宁 530004)

0 引言

语音增强是信号处理研究的一个重要内容，其目的是处理带有噪声的语音信号，得到尽量干净的语音信号，以获得更好的语音分辨效果。

在语音通讯的过程中不可避免地受到各种干扰和影响，干扰来自环境噪声、电气噪声、传输介质等，干扰后将影响人的收听辨识效果或者影响其他语音信号的处理(如语音识别)。因此有必要在音频数字化后实行适当的增强措施来提高辨识度。带噪语音信号包含语音信号与噪声两部分，通常需要语音增强的场合中，原始音频的噪声部分的强度较大，而语音信号强度较低，增强的重点在于提高可辨识度而不偏重于保真度。人对音频的辨识与感受主要体现为功率谱的变化，而由于相位谱的改变造成的最终时域信号波形的变化对辨识度的影响微弱。

对语音增强的方法研究开始于20世纪70年代，随着研究的成熟，形成了4大类传统的语音增强方法，包括谐波增强法、谱减法、基于语音生成模型的算法、基于短时谱估计的算法。但语音信号本身为非平稳信号，无论时域分析或者频域分析，其本身的信号特征均不明显；同时噪声信号常常多个叠加，特征复杂、频带宽。因此传统的语音增强方法的增强效果都不显著，甚至容易引入音乐噪声[1-2]。

近年业界已越来越重视神经网络尤其是循环神经网络(recurrent neural network, RNN)在语音增强方向的研究。文献[3-4]提出结合时间维度与频率维度两个处理路径的思路，其中时间维度使用门控循环单元(gated recurrent unit, GRU)来表达含噪语音的时间相关性。……