AI-CGNet降噪算法
上一篇文章介绍AI-GruNet降噪算法，这是一个轻量级的网络结构，广泛适用于算力有限的平台。本篇文章介绍一个新的降噪做法AI-CGNet。
·
上一篇文章介绍AI-GruNet降噪算法，这是一个轻量级的网络结构，广泛适用于算力有限的平台。本篇文章介绍一个新的降噪做法AI-CGNet。
一、模型结构
CGNet是一个经典的网络结构，被广泛应用在唤醒，声音活动检测等任务上。
特征方面，仍然使用log功率谱作为特征。
网络方面，先进行归一化，然后通过卷积实现对频率二维信息进行建模。然后使用两层GRU层，实现对时间序列历史信息建模，dropout防止过拟合。最后加上三层全连接。最后预测幅度上的一个增益mask。
前向代码如下，最后估计的增益作用到幅度谱，达到降噪。
二、损失函数
目标是一个实数增益掩码，仍然使用SA的方式进行训练，使用Negative SI-SNR作为损失函数。
三、关于工程化
需要注意的是，卷积有多种优化的实现方式。GRU是一个循环神经网络, 需要按照时间步循环。
四、测试数据和处理结果
街道噪声，非常嘈杂，降噪多达37db左右。
无法张贴测试音频，更多测试音频和下载链接，见微信公众号“算法晓记”。
五、代码
包括训练代码和工程代码，后续考虑公开。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)