Noise aware learning for speech enhancement

仅仅是学习一下思想，不需要重点关注，从实验结果来看，参考意义不大。

1. Noise prior knowledge learning for speech enhancement via gated convolutional generative adversarial network

1.1 摘要

当信噪比很低时，噪声占据主导地位，很难对纯净语音信号进行预测，本文提出了一种利用噪声先验知识的门控卷积神经网络SEGAN（Speech enhancement generative adversarial network），简写为GSEGAN。该模型不仅对纯净语音进行预测，而且学习噪声先验知识来辅助语音增强。门控CNN在捕获长期时序依赖方面具有比常规CNN更大的优势，本文在Voice Bank Corpus上对模型进行了评测。

1.2 语音增强生成对抗网络SEGAN

生成器G从一些已知的先验分布$p_z$