Resumen

El trabajo propuso un método de eliminación de ruido en el habla utilizando aprendizaje profundo. Las señales de red predictoras y objetivo eran los espectros de amplitud de los vectores de descomposición de wavelet de la señal de audio ruidosa y la señal de audio limpia, respectivamente. La salida de la red era el espectro de amplitud de la señal despejada de ruido. Además, la red de regresión utilizó la entrada del predictor para minimizar el error cuadrático medio entre su salida y los objetivos de entrada. El vector de descomposición de wavelet despejado de ruido se transformó de vuelta al dominio del tiempo por el espectro de amplitud de salida y la fase del vector de descomposición de wavelet. Luego, el habla despejada de ruido se obtuvo mediante la transformada inversa de wavelet. Este método superó el problema de que la resolución en frecuencia y tiempo de la transformada de Fourier de tiempo corto no podía ajustarse. El efecto de reducción de ruido en cada banda de frec

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Eliminación de ruido; Habla; Aprendizaje profundo; Descomposición en wavelets; Red de regresión; Reducción de ruido
• Keywords:Denoising; Speech; Deep learning; Wavelet-decomposition; Regression network; Noise reduction