12、语音与噪声联合估计及机器异常声音检测的数据增强新方法

语音与噪声联合估计及机器异常声音检测的数据增强新方法

在语音处理和机器异常声音检测领域，有两项重要的研究成果值得关注。一项是关于语音与噪声的联合估计，通过新的策略提升语音识别效果；另一项是利用有限元分析进行机器异常声音检测的数据增强，以解决现有数据不足的问题。

语音与噪声联合估计

在语音处理中，传统的针对信噪比（SNR）目标优化的模型大多局限于语音估计。而实际上，噪声估计在语音预测模型中也起着重要的互补作用。

联合估计网络结构

研究提出了一种联合语音 - 噪声预测网络，其结构包含两个分支：语音估计网络和噪声估计网络。这两个分支分别使用基于L1损失的SNR自适应目标学习策略进行训练。
- 训练目标公式 ：训练目标 $Y (d, l)$ 由公式 $Y (d, l) = S(d, l) + k_{opt} N(d, l)$ 表示，其中 $k_{opt}$ 是优化后的标量，用于调整SNR目标。训练过程采用L1损失，即 $L = |Y (d, l) - \hat{Y} (d, l)|_1$。
- 噪声估计网络目标 ：对于噪声估计网络，给定 “SNR改善” 时，目标公式为 $Y_n(d, l) = k_n S(d, l) + N(d, l)$，其中 $k_n$ 用于控制噪声估计网络的语音残差。当 $k_n$ 设为 0 时，网络变为纯噪声估计网络。最后的输出 $\hat{Y} (d, l) = (1 - \lambda) \hat{Y}_s(d, l) + \lambda (X(d, l) - \hat{Y}_n(d, l))