实例介绍
【实例简介】语音增强，使用掩蔽方法和映射方法
对应论文：A Two-stage Speech Enhancement Method Based on Deep Learning Network
所使用的平台、库及版本：PyCharm 2021.2.3
matlab R2019a
python 3.7.11
keras 2.2.0
tensorflow 1.14.0
librosa 0.8.1
各函数介绍：
generate_data.py 生成训练数据函数
SpectralSubtraction.py 谱减法函数
IBM.py 训练IBM方法函数
Mapping.py 训练Mapping方法函数
mian.py 提出方法的主函数：计算了两种方法（IBM,Bss_Mapping）对含有两种噪声（白噪声和机关枪噪声）在6种信噪比（-5,0,5,10,15,20）下的语音进行增强的结果，输出个种情况的增强语音
measure_pesq.m 评价语音失真函数：计算增强语音的PESQ STIO指标
measure_snr.m 评价信噪比函数：计算增强语音的SNR,SegSNR,FWSegSNR指标
运行步骤：
1.运行mian.py
2.运行measure_pesq.m
3.运行measure_snr.m
得到数据后在Excel表格中画图即可得到论文中的图表
【实例截图】
【核心代码】
.
└── AIACT2022
├── DC_block.m
├── FFTNXCorr.m
├── IBM_train.py
├── Mapping_train.py
├── SpectralSubtraction.py
├── __pycache__
│ ├── SpectralSubtraction.cpython-36.pyc
│ └── basicfunctions.cpython-36.pyc
├── apply_VAD.m
├── apply_filter.m
├── apply_filters.m
├── basicfunctions.py
├── clean.wav
├── comp_fwseg.m
├── comp_snr.m
├── crude_align.m
├── fix_power_level.m
├── generate_data.py
├── id_searchwindows.m
├── id_utterances.m
├── input_filter.m
├── main.py
├── measure_pesq.m
├── measure_snr.m
├── measure_test.m
├── pesq.m
├── pesq_n.m
├── pesq_psychoacoustic_model.m
├── pow_of.m
├── setup_global.m
├── split_align.m
├── stoi.m
├── testfunctions.py
├── time_align.m
├── timit_clean_selected_train.wav
├── utterance_locate.m
├── utterance_split.m
├── 代码说明.txt
└── 数据分析.xlsx
2 directories, 38 files
标签： 语音
相关软件
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论