بهسازی گفتار آغشته به نویز غیرایستان توسط شبکه های عصبی

در این مقاله یک روش جدید برای کاهش نویز غیرایستان از سیگنال گفتار مطرح می گردد. در این روش نشان داده می شود که شبکه های عصبی که مولفه های اساسی را از سیگنال ها استخراج می کنند، اگر ابتدا با استفاده از سیگنال گفتار تمیز به نحو مناسب آموزش ببینند، آن گاه قادر به حذف نویز ایستان یا غیرایستان از سیگنال های گفتار نویزی شده خواهند بود. در این تحقیق ابتدا شش مدل شبکه ی عصبی شامل دو مدل جلوسو و چهار مدل بازگشتی بر روی یک جمله تعلیم داده می شوند؛ آزمایش های شنیداری و مقادیر نسبت های سیگنال به نویز، کاملا کاهش نویز غیر ایستان را نشان می دهند؛ سپس مدل های برتر روی دادگان بزرگ گفتاری تعلیم داده می شوند؛ به این منظور که یک مدل عملی حذف نویز از سیگنال گفتار حاصل شود. بر اساس نتایج تست MOS، مدل های ما میزان سیگنال به نویز و خوشایند بودن سیگنال های نویزی را به ترتیب 2/1 و 3/1 و روش تفاضل طیفی به ترتیب 3/0 و 8/0 افزایش می دهند.