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.