声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：康宏博,冯雨佳,台文鑫,蓝天,吴祖峰,刘峤,
关键词：语音增强, 自注意力, 跨维度协同注意力, 形变卷积, 跳跃连接,
近年来，卷积神经网络在语音增强任务中得到了广泛的应用.然而，目前广泛使用的跳跃连接机制在特征信息传输时会引入噪声成分，从而不可避免地降低了去噪性能；除此之外，普遍使用的固定形状的卷积核在处理各种声纹信息时效率低下，基于上述考虑，提出了一种跨维度协同注意力机制和形变卷积模块的端到端编-解码器网络CADNet.具体来说，在跳跃连接中引入跨维度协同注意力模块，进一步提高信息控制能力.并且在每个标准卷积层之后引入形变卷积层，从而更好地匹配声纹的自然特征.在TIMIT公开数据集上进行的实验验证了所提出的方法在语音质量和可懂度的评价指标方面的有效性.
来源：2023年第7期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。