Speech enhancement using a reduced complexity MFCC-based Deep Neural Network
Notice bibliographique
Résumé
In contrast to classical noise reduction methods introduced over the past decades, this work focuses on a regression-based single-channel speech enhancement framework using DNN, as recently introduced by Liu et al..While the latter framework can lead to improved speech quality compared to classical approaches, it is afflicted by high computational complexity in the training stage.The main contribution of this work is to reduce the DNN complexity by introducing a spectral feature mapping from noisy mel frequency cepstral coefficients (MFCC) to enhanced short time Fourier transform (STFT) spectrum.Leveraging MFCC not only has the advantage of mimicking the logarithmic perception of human auditory system, but this approach requires much fewer input features and consequently lead to reduced DNN complexity.Exploiting the frequency domain speech features obtained from the results of such a mapping also avoids the information loss in reconstructing the time-domain speech signal from its MFCC.While the proposed method aims to predict clean speech spectra from corrupted speech inputs, its performance is further improved by incorporating information about the noise environment into the training phase.We implemented the proposed DNN method with different numbers of MFCC and used it to enhance several different types of noisy speech files.Experimental results of perceptual evaluation of speech quality (PESQ) show that the proposed approach can outperform the benchmark algorithms including a recently proposed non-negative matrix factorization (NMF) approach, and this for various speakers and noise types, and different SNR levels.More importantly, the proposed approach with MFCC leads to a significant reduction in complexity, where the runtime is reduced by a factor of approximately five.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».