بهسازي گفتار دو مرحله‏اي توسط خودرمزگذار عميق كاهنده نويز

براي حذف نويز از سيگنال گفتار، هم اطلاعات زمان‏كوتاه و هم اطلاعات زمان‏بلند سيگنال مي‏توانند مفيد باشند. خصوصا اگر نويز داراي ويژگي‏هاي غيرايستان باشد. لذا در اين مقاله سعي شده است تا با استفاده از كاهش تعداد زيرباندهاي فركانسي در فواصل زماني بلند امكان اعمال ورودي‏هاي زمان‏بلند را براي شبكه عصبي خودرمزگذار عميق كاهنده نويز فراهم سازد. همچنين يك روش دو مرحله‏اي بهسازي گفتار ارائه مي‏شود كه در مرحله نخست بهسازي زمان‏كوتاه و در مرحله دوم بهسازي زمان‏بلند را انجام دهد. آزمايش‏هاي اين مقاله بر روي مجموعه دادگان  Aurora2 انجام شده است. نتايج نشان داده است كه روش پيشنهادي مي‌تواند از نظر بهسازي گفتار و معيار PESQ نسبت به فيلتر وينر در شرايط آغشتگي به نويز بالا به‏ ميزان  0.3 بهبود ايجاد كند. همچنين روش پيشنهادي مي‌تواند از نظر دقت بازشناسي خودكار گفتار نسبت به ويژگي‏هاي مبنا يعني MFCC  حدود 4% بهبود ايجاد كند