华南理工大学学报(自然科学版)

作者：杨俊美 雷杨 陈习坤

单位：华南理工大学 电子与信息学院，广东 广州 510640

关键词：语音带宽扩展,平铺层,时频两轴特征提取,时频损失,网络深度

基金：国家自然科学基金资助项目(61871188，61801133)

现有基于深度学习的语音带宽扩展算法中，时域算法语音特征提取不够精确，训练数据量大；频域算法对数功率谱特征提取未重视帧与帧之间的信息关联，频率轴数为奇数，不便于加深网络深度，且忽略时域信息；时频两域算法模型相对复杂。针对以上问题，文中提出了一种基于Flatten-CNN的语音带宽扩展算法。首先，为了充分利用语音特征和减少数据量，文中算法基于频域运行；其次，为了利用对数功率谱时间轴信息，提出了一种改进的编码器，通过引入平铺层，实现对数功率谱时频两轴特征提取；接着，为了加深网络深度，在频率轴数据处理时去掉最后一个点，还原时再补零，使频率轴数为偶数，以利于加深网络深度；最后，为了利用语音信号时域信息，在损失函数中引入时域损失。为验证文中算法的有效性，用TIMIT数据集和VCTK数据集进行了模型的训练和测试，实验结果表明，与当前主流算法相比，文中算法生成的高带宽语音质量得到提高，呈现出了更好的听觉效果。

来源：2021年第11期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2021年第11期