为了进一步促进研究生学术交流，拓宽研究生学术视野，营造良好的学术氛围，足球竞猜平台
主办的“沿途青年说”第35讲于4月4日下午16:00-17:00在线上（腾讯会议：586-824-802）举行。本次主讲人为20级研究生彭奕芬，主题为一种轻量级全频带语音增强算法研究。
彭奕芬同学从研究背景、现状与研究目标、研究方法、关键技术与实践难点、研究结果与应用、论文总结这几个方面进行介绍。
信号在传播过程中会被不同的噪声所污染，这些背景噪声的存在大大影响了语音的可理解性。语音增强的目的是为了从复杂的噪声环境中提取有效的信息，消除噪声信号，提高语音信号的可理解性。
针对噪声对通信，工业，医疗，人工智能等领域带来的影响、相位对语音增强的重要性、语音增强系统在边缘设备的部署，研究适用于轻量级和低复杂度的语音增强算法由为重要。
由于传统的语音增强算法，比如谱减法、滤波器和子空间法有着不同的缺点，人们对基于深度学习的语音增强寄予厚望。一般来说，语音神经网络的常见的特征包含语音的幅度谱，复数谱，对数功率谱，梅尔谱，感知线性预测系数等。
本文提出的模型将全频带语音信号分解为多个子频带，通过和幅度谱一样的时频掩蔽和频谱映射修正实部和虚部的频谱图，从而修正相位，并采用两阶段训练策略训练模型。
针对语音信号的相位信息的非线性和非平稳性。本文提出了基于Transformer的自适应时频线性注意力机制。每个自适应时频率线性注意力模块由两个支路组成：自适应时间线性注意力时间支路（Adaptive Time Linear Attention Branch，ATLAB）和自适应频率线性注意力支路（Adaptive Frequency Linear Attention Branch，AFLAB）。
幅度谱，复数谱，对数功率谱作为主要的训练特征，各有各的优点。我们提出的模型使用两条支路，复数谱支路和幅度谱支路，复数谱支路估计相位和幅度信息，幅度谱估计幅度信息，两者并行地对语音进行增强。
两阶段模型是指将原输入（0-24KHz）经过傅里叶变换后，得到频域信号。将分解成低频带（0-8KHz）和高频段 (8-24KHz)。该模型通过预训练的低频带语音增强系统(第一步)和高频带语音增强系统（第二步)对全频带进行增强。高频带语音增强系统将预训练的低频带模型的输出，与高频带的噪声语音一起作为高频带模型的输入，保证了良好的泛化能力。
最后，和其他先进的全频带语音增强模型比较。本文提出的LCFD-net模型取得了较好的效果。
在活动的问答环节，主讲人对同学们的疑问进行了探讨，通过本次“研途青年说”的分享，同学们轻量级全频带语音增强方面的内容可以有更深的认识和理解，对自己的研究生生涯规划也有了更清晰的认识，为自己今后的科研道路奠定了基础。
彭奕芬
2020级足球竞猜平台
电子信息专业硕士
导师：曹忠
主要研究方向：语音信号处理
主要科研成果：论文一篇，发明专利一篇
