Speech enhancement using a reduced complexity MFCC-based Deep Neural Network
Bibliographic record
Abstract
Contrairement aux méthodes classiques de réduction du bruit introduites au cours des dernières décennies, ce travail se concentre sur un cadre d'application de réhaussement de la parole monocanal basé sur la régression au moyen d'un réseau de neurones profond (DNN), proposé par Liu et al.. Alors que ce nouveau cadre d'application peut conduire à une meilleure qualité de la parole par rapport aux approches classiques, il est caractérisé par une complexité de calcul élevée dans la tâche d'apprentissage. La principale contribution de ce travail est de réduire la complexité du DNN par modélisation de la transformation entre les coefficients cepstraux à fréquence mel (MFCC) du signal bruité et la transformée de Fourier à court terme du signal parole rehaussé. Le fait de tirer parti des MFCC a non seulement l'avantage d'imiter la perception logarithmique du système auditif humain, mais cette approche nécessite beaucoup moins de variables d'entrée, ce qui en retour réduit la complexité du DNN. Exploiter les caractéristiques spectrales de la parole obtenues au moyen de cette transformation évite également la perte d'information inhérente lors de la reconstruction du signal parole dans le domaine temporel à partir des MFCC.Alors que la méthode proposée viseà prédire des spectres de parole propres à partir d'entrées corrompues, ses performances sont encore amélioréesen intégrant des informations sur l'environnement de bruit dans la phase d'entraînement.Nous avons mis en oeuvre la méthode DNN proposée avec différents nombres de MFCC et l'avons appliquée au rehaussement de signaux de parole contaminés par différents types de bruit.Les résultats expérimentaux de l'évaluation perceptuelle de la qualité de la parole (PESQ) montrentque l'approche proposée surpasse les algorithmes de référence incluant un algorithme récent de factorisation matricielle non-negative (NMF), et ceci pour différents locuteurs, types de bruit, et niveaux de rapport signal-sur-bruit De manière plus importante, la nouvelle approche conduit à une réduction significative de la complexité de calcul et du temps d'éxécution, par un facteur d'environ cinq.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".