Noisy Speech Enhancement by Restoration of DFT Components Using Neural Network

This paper presents a speech enhancement system which restores the amplitude components and phase components by discrete Fourier transform (DFT), using neural network training by back-propagation algorithm. First, a neural network is trained using DFT amplitude components and phase components of noisy speech signal, then the proposed system enhances speech signals that are degraded by white noise using a neural network. Experimental results demonstrate that speech signals degraded by white noise are enhanced by the proposed system using the neural network, whose inputs are DFT amplitude components and phase components. Based on measuring spectral distortion measurement, experiments confirm that the proposed system is effective for white noise.

신경회로망을 이용한 DFT 성분 복원에 의한 음성강조

본 논문에서는 오차역전파알고리즘에 의한 신경회로망을 사용하여 이산푸리에변환에 의한 진폭성분과 위상 성분을 복원하는 음성강조 시스템을 제안한다. 먼저, 신경회로망이 잡음이 부가된 음성신호의 이산푸리에변환의 진폭성분과 위상성분을 사용하여 학습된 후, 제안한 시스템은 백색잡음에 의하여 열화된 잡음이 부가된 음성 신호를 강조한다. 백색잡음에 의하여 열화된 음성신호는 이산푸리에변환에 의한 진폭성분과 위상성분을 입력으로 하는 신경회로망을 사용하여 제안된 시스템에 의하여 강조되는 것을 실험결과로 증명한다. 제안한 시스템은 스펙트럼 왜곡율의 평가법을 사용하여 백색잡음에 의하여 열화된 음성신호에 대하여 효과적인 것을 실험으로 확인한다.