提出了一个基于噪声感知的训练框架，将增强语音引入到声学模型的多条件训练中，通过两个级联的神经结构来优化增强语音和语音识别，并取得了较好的实验结果。

Mar, 2022

本文研究了在自动语音识别中使用自适应 SpecAugment 的噪声自适应训练方法，通过过滤、平衡和增强数据集，成功地提高了网络性能，使 WER 在 LibriSpeech 测试集上分别为 4.2％/8.6％（无噪声 / 有噪声），并在 LibriLight 上达到了 1.7％/3.4％（无噪声 / 有噪声）

May, 2020

提出了一种新的方法，即 Cleancoder 预处理架构，从 Conformer ASR 模型中提取隐藏激活，并将其馈送给解码器来预测去噪谱图。通过在嘈杂的输入中重建去噪谱图，我们证明 Cleancoder 可以滤除语音中的噪声，从而改善了下游模型在嘈杂环境中的总词错误率（WER）。

Sep, 2023

本文介绍了一种基于生成对抗网络（GAN）的噪声鲁棒性语音识别系统，只需使用 10 分钟的领域内无法匹配的嘈杂语音数据即可实现噪声谱的仿真。同时，我们还提出了一种双通道语音识别系统来提高在嘈杂环境下的稳健性能，实验证明所提出的系统通过 Simu-GAN 仿真噪声数据，比最佳基线在词错误率（WER）方面提高了 7.3%。

Mar, 2022

本研究提出了一种噪声鲁棒的语音情感识别系统，通过语音增强技术有效降低输入信号中的噪声，并引入信噪比级别检测结构和波形重建策略，以减少对无或较少背景噪声的语音信号的负面影响。实验结果表明，该系统能够有效提高语音情感识别系统的噪声鲁棒性，包括防止系统在仅由背景噪声组成的信号上进行情感识别。此外，所提出的信噪比级别检测结构可单独用于数据选择等任务。

Sep, 2023

本文提出了一个改进的训练框架，用于训练单声道神经增强模型，以提高鲁棒语音识别的性能。该框架利用现有混合不变训练准则，扩展了未配对的干净语音和真实嘈杂数据，提高了从真实嘈杂语音中分离出来的语音质量，并通过处理和未处理信号的混合来缓解处理伪影。该方法在单通道 CHiME-3 真实测试集上进行实验证明，在不重新训练扭曲数据的情况下，与在监督模式下使用不匹配的模拟数据或在无监督模式下使用匹配的真实数据训练的增强系统相比，相对 WER 减少了 16% 到 39%。

May, 2022

本文研究使用数据增强和信号规范化的深度学习方法用于语音增强，结果表明通过对信噪比、频谱和动态级别的增强可以提高训练效果，使用序列级别的规范化可以克服数据不平衡造成的降级问题。

Aug, 2020

本文通过强化学习控制噪声抑制算法参数，从而提升算法的鲁棒性和整体性能，实验结果显示相较于无适应性的算法有着显著的 42% 和 16% 的输出 SNR 和 MSE 改进。

Nov, 2017

本文提出了一种不需要主观 / 客观语音质量度量作为参考的教师 - 学生训练策略来改进先前提出的嘈杂目标训练策略，并使用该模型作为初始模型，实验结果表明我们的方法优于几个基准方法，尤其是在两阶段推理中。

Oct, 2022

本文提出一个基于复杂神经网络的自适应语音质量模型，其中采用了特征提取、声学分离和掩码优化等不同阶段的复杂模块化神经网络，采用对比学习框架和新颖的语音质量感知损失函数来进一步提高性能，该模型在 72 小时的预训练和 72 小时的微调中训练，表现优于最先进的性能。

Oct, 2022