基于深度全卷积神经弹性网络WCGAN-GP模型的语音增强研究

来源：计算机应用与软件杂志2024年第2期北京时间：

作者：许雯婷, 龚晓峰

摘要：Wasserstein距离生成对抗网络（Wasserstein Generative Adversal Network，WGAN）模型在语音增强中运用广泛，但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚（Gradient Penalty，GP）和弹性网络条件约束，并将生成器和判别器优化成深度全卷积神经网络（Deep Fully Convolutional Neural Networks，DFCNN）结构，提出一种基于DFCNN的弹性网络条件梯度惩罚（Wasserstein Conditional Generative Adversal Network Gradient Penalty，WCGAN-GP）模型。改进后的模型可以达到真实Lipschitz限制条件，提高了可控性、稳定性和特征提取能力，能更快优化训练。实验将改进后的模型与WGAN对不同噪声条件下的语音进行增强，结果证实了改进后的模型在语音增强方面的优越性。

关键词：Wasserstein距离, 深度全卷积神经网络, 梯度惩罚, 弹性网络, 条件约束