论文部分内容阅读
基于神经网络的语音增强技术是当前语音增强领域的研究热点之一，而量子神经网络结合了量子计算和人工神经网络的优点，能改进传统人工神经网络的不足。基于此，本文选择基于人工神经网络和量子神经网络的语音增强技术作为研究课题，研究了基于经典RBF神经网络和量子BP神经网络的语音增强方法。
本文主要工作有:
1、研究了传统的语音增强方法包括:谱减法及其改进形式、维纳滤波及其改进形式。
2、研究了经典RBF神经网络模型及其原理，提出了一种基于短时傅立叶变换和RBF神经网络的的语音增强方法。
3、研究了量子神经元的特性，使用量子门组(即相移门和受控非门)作为基本计算单元，构造了一种量子神经元模型，并对该模型进行收敛特性数值仿真。
4、重点研究了量子BP神经网络在语音增强方面的应用，借助复数BP学习算法，在量子神经元模型基础上，构造了一个三层量子神经网络，并提出了基于该量子BP神经网络的语音增强方法。
5、对各种语音增强处理方法分别进行主观评估和客观评估，着重进行了平均意见得分(Mos)、分段信噪比、Mel倒谱距离(MCD-Mel CepstrumDistance)三种评估实验。
实验表明:基于量子BP神经网络的方法比传统的语音增强方法效果好，去噪能力更强，有很好的鲁棒性。