语音增强论文汇总

DCCRN: Deep Complex Convolution Recurrent Network for Phase-Aware Speech Enhancement

CRM=(Sr+jSi)/(Yr+jYi) ,本质就是原始信号/噪声信号

3种不同恢复修复波形的方法：

可以看出noise为加性的：

A Parallel-Data-Free Speech Enhancement Method Using Multi-Objective Learning Cycle-Consistent Generative Adversarial Network

北科

针对加性噪声：

恢复音频的幅度谱：

Conditional_Diffusion_Probabilistic_Model_for_Speech_Enhancement

摘要：本文利用最近的扩散模型，提出语音增强方案。

没明确写loss形式，感觉是加性的，毕竟扩散模型是加性的；

Deep learning for minimum mean-square error approaches to speech enhancement（2019）

摘要：目前，语音增强的研究从传统MSE方法转化到了基于NN的mask方法或映射方法。本文提出基于NN的先验SNR估计方法。

加性噪声：

DeepMMSE: A Deep Learning Approach to MMSE-Based Noise Power Spectral Density Estimation （2020）

加性噪声：

说loss是交叉熵，但是没给具体公式。

HuBERT Self-Supervised Speech Representation Learning by Masked Prediction of Hidden Units

研究语音表征学习的，不是降噪的。。。

Improved Normalizing Flow-Based Speech Enhancement using an All-pole Gammatone Filterbank for Conditional Input Representation

加性噪声：

MetricGAN Generative Adversarial Networks based Black-box Metric Scores Optimization for Speech Enhancement

相较于传统判别器，metricgan的优势：
1.给定Gx，我们只期望传统判别器输出0，而metricgan可以输出一个打分，用于估计逼真程度；
2.传统判别器的输入仅有噪声音频，而metricgan的输入和传统metric一致；

先生成Gx，然后训练判别器，然后训练生成器；

Multi-task self-supervised learning for Robust Speech Recognition

语音识别的，没关系；

Real-time speech enhancement with dynamic attention span

接收音频中有：回声，加性噪声，路径增益；

Speech_Enhancement_Using_Harmonic_Emphasis_and_Adaptive_Comb_Filtering

2010年的，太老了；