基于可學(xué)習(xí)圖比率掩碼估計(jì)的圖頻域語音增強(qiáng)方法

摘要： 在基于深度神經(jīng)網(wǎng)絡(luò)（deep neural network, DNN）的時(shí)頻域語音增強(qiáng)方法中，通常將短時(shí)傅里葉變換（short-time Fourier transform, STFT）得到的復(fù)數(shù)域含噪語音時(shí)頻譜作為DNN輸入，以估計(jì)純凈語音的幅度和相位。此類方法由于會(huì)涉及對復(fù)數(shù)的運(yùn)算，計(jì)算復(fù)雜度和模型參數(shù)量較大。針對此問題，本文利用圖信號處理（graph signal pro... （共12頁）