Zvýrazňování řečového signálu na bázi hlubokých neuronových sítí

Abstract

Předložená práce se zabývá využitím standardní dopředné neuronové sítě pro zvýrazňování řeči resp. potlačování šumu v řečových signálech. Teoretická část práce se zabývá vlivem šumů na charakteristiky řečových signálů, měřením úrovně šumu v signálu a jeho zkreslením. Také jsou zmíněny tradiční metody zvýraznění řečového signálu. Hlavní část práce je věnována využití neuronových sítí pro zvýrazňování řeči, zmíněny jsou obecné vlastnosti, principy trénování a typické struktury neuronových sítí, které se využívají pro úlohu zvýrazňování řeči. V další části je popsána příprava a zpracování dat pro trénování sítě a vlastní implementace celého systému. Funkčnost navrženého systému byla testována v experimentální části, v rámci jednotlivých experimentů jsou popsány použité struktury neuronových sítí, nastavení jejich hyperparametrů i použité příznaky na vstupu sítě. Dosažené výsledky potvrdily, že systémem s neuronovými sítěmi lze dosáhnout dobrého potlačení aditivního šumu v řečovém signálu při jeho malém zkreslení.

The presented work deals with the possibility of using fully connected forward neural networks for speech enhancement (noise suppression) in speech signals. The theoretical part describes the influence of noises in speech signals, the measurement of the amount of noise in speech signals, and their distortion. This part also discusses traditional methods of speech enhancement. The main part is dedicated to the usage of neural networks for speech enhancement. It describes general features, DNN training methods, and typical structures of DNNs for speech enhancement. The following part focuses on the preparation of data used for training the neural network, as well as the implementation of the entire system. The functionality of the designed system was tested in the experimental part. For each experiment, the structures of DNNs used, along with their hyperparameter settings and data format, are described. The results of these experiments confirmed that it is possible to achieve good suppression of additive noises without significant distortion using the neural network system.