بهبود کیفیت سیگنال گفتار گسترش یافته با افزایش مقاوم سازی شبکه در مقابل نویز با استفاده از شبکه عصبی پیچشی

نویسندگان

1 دانشگاه عالی دفاع ملی

2 دانشگاه فرماندهی و ستاد

doi
چکیده

هدف از سیستم افزایش پهنای­باند صدا، افزایش محدوده فرکانسی سیگنال صدای ورودی سیستم است. چون با افزایش پهنای­باند صدا در واقع کیفیت و وضوح صدا بیشتر خواهد شد، به این دلیل به این کار افزایش وضوح گفتار هم گفته می­شود. یکی از کاربرد های بسیار مرسوم گسترش پهنای باند سیگنال صدا در سیستم تلفن است، که در آن پهنای باند سیگنال صدا زیر 4کیلوهرتز است که سبب کاهش کیفیت صدای دریافت شده در گیرنده می­شود. بنابراین هدف از گسترش پهنای­باند صدا این است که صداهایی که گنگ و نامفهوم هستند، قابلیت درک بیشتری نسبت به قبل داشته باشند. در این پژوهش، ابتدا به عنوان مرحله پیش­پردازش، نویز جمع­شونده، به عنوان عامل مخرب سیگنال، به مجموعه دادگان DAPS داده می­شود و سپس با استفاده از روش نویزکاهی تبدیل­موجک، سیگنال صدا نویزکاهی می­شود و پس از آن سیگنال به شبکه عصبی پیچشی با تابع زیان هوبر داده می­شود تا سیگنال باند­پهن گستر­ش­یافته تولید شود. در نهایت مدل پیشنهادی از لحاظ معیارهای SNR ، LSD ، PESQ و STOI ، مورد ارزیابی قرار گرفت و با چندین روش مشابه در زمینه گسترش پهنای­باند صدا، مقایسه شد. شبکه پیشنهادی توانست نسبت به سایر روش­ها نظیر FFTNet مقدار 6/2 واحد برای LSD و مقدار 2/4 دسی‌بل برای مقدار SNR ، همچنین نسبت به شبکه KUL ، مقدار 9 واحد برای LSD و مقدار 5/3 دسی‌بل برای SNR ، در شرایط آزمایش با دادگان یکسان و میزان گسترش برابر، نتایج بهتری داشته باشد.