基于双路径循环神经网络的单通道语音增强

来源：信号处理杂志 2021年第10期北京时间：

作者：王志杰, 张学良

摘要：近年来，随着神经网络的应用，语音增强效果显著提升。但对关联性较强的长序列语音数据，单一的网络结构受到自身性能的限制可能无法继续提升增强效果。为了进一步提升神经网络对语音增强的效果，本文将一种被称为双路径循环神经网络（dual-path recurrent neural network，DPRNN）的复合网络结构应用在语音增强任务中。该复合网络结构由卷积神经网络（convolution neural network，CNN）和长短时记忆神经网络(Long short-term memory，LSTM)组成，网络的核心是两个LSTM组成的双路径循环神经网络块（DPRNN Block）。DPRNN将长序列语音数据分割为重叠帧数据块，利用DPRNN Block对这些数据块执行块内计算和块间计算，以此实现数据的局部和全局建模。实验结果表明，相比于单一网络结构，DPRNN在训练噪声和非训练噪声条件下均取得最好结果。

关键词：语音增强, 双路径循环神经网络, 长短时记忆网络, 卷积神经网络