文献

J-GLOBAL ID：201902285852523738   整理番号：19A1992845

深さフルコンボリューション復号ネットワークを用いた単一チャネル音声強調【JST・京大機械翻訳】

Single Channel Speech Enhancement Based on Deep Fully Convolutional Encoder-Decoder Neural Network

著者 (4件)： Shi Wenhua (陸軍工程大学,江蘇南京210007;空軍航空大学,吉林長春130000) ,  Zhang Xiongwei (陸軍工程大学,江蘇南京,210007) ,  Zou Xia (陸軍工程大学,江蘇南京,210007) ,  Sun Meng (陸軍工程大学,江蘇南京,210007)
資料名： Xinhao Chuli  (Xinhao Chuli)
巻： 35  号： 4  ページ： 631-640  発行年： 2019年 
JST資料番号： C2154A  ISSN： 1003-0530  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 従来のニューラルネットワークは,時間-周波数領域相関を完全に利用できないので,深さ完全畳込み符号化ニューラルネットワークを用いた単一チャネル音声強調法を提案した。符号化端において,畳込みの畳込み操作によって,雑音のある音声の時間-周波数表現を抽出し,そして,背景雑音を,目標音声の高次特徴表現と同時に,同時に抑制した。復号端と符号化端は構造的に対称であり、復号端では、コード端で得られた高次特徴表示に対してデコンボリューション、サンプリング操作を行い、各層ごとに目標音声を回復する。跳躍接続は,非常に深いネットワークで訓練するときの勾配分散問題をうまく解決することができ,そして,符号化端の対応層の間に,ジャンプ接続を導入し,そして,符号化端特性グラフ情報を,対応する復号器に伝達し,そして,目標音声の詳細特性を,より良好に回復することができた。特徴融合と特徴接続の2種類のジャンプ接続方式、L1とL2の二種類の訓練損失関数が音声増強性能に与える影響を研究し、実験により提案手法の有効性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *チャネル ,  有効性 ,  *音声強調 ,  跳躍現象 ,  対称性 ,  周波数領域 ,  デコンボリューション ,  ニューラルネットワーク ,  雑音 ,  *ネットワーク ,  復号器 ,  *復号化 ,  畳込み
準シソーラス用語： 背景雑音 ,  重畳符号化 , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 復号 ,  チャネル ,  音声強調