本文中我们提出了一种基于深度神经网络的语音增强系统，它的设计目的是最大化一个短时客观可懂度的近似度量，通过模拟实验，我们表明该系统在匹配和不匹配的多种信噪比下都取得了较大的提高，并且在使用近似 - STOI 代价函数进行训练的情况下，该系统与使用平均平方误差代价的系统表现相当。

Feb, 2018

研究提出了一种基于度量导向的语音增强方法 (MOSE)，通过创新的 actor-critic 框架，将评估度量视为后验奖励，以指导反向过程到度量增加方向，从而提高了性能。

Feb, 2023

本文研究了对 RNN（循环神经网络）的训练的多个方面，它们影响着实时单通道语音增强的客观和主观质量。具体而言，我们关注增强短时语音频谱的 RNN，在单帧输入单帧输出的基础上，这是大多数经典信号处理方法采用的框架。我们提出了两种基于均方误差的学习目标，可以实现对音频失真和噪声降低重要性的分别控制，并通过广泛接受的客观质量和可懂度指标进行评估，并与其他竞争性在线方法进行比较。此外，我们还研究了特征归一化和批次序列长度的变化对增强语音的客观质量的影响。最后，我们展示了所提出的方法和最先进的实时 RNN 方法的主观评分。

Jan, 2020

本文比较了基于短时傅里叶变换和时间域音频分离网络的两种不同的语音增强算法在不同数据集上的效果，提出了利用问题无关语音编码器特征的基于 STFT 的语音增强算法，通过在 Voice Bank+DEMAND 数据集上的实验验证，证明了该方法的有效性并在 DNS Challenge 数据集上表现出色，同时也开源了低延迟版本的 TasNet 算法。

May, 2020

本文提出了一种基于子带的语音增强系统，名为 PT-FSE，该系统通过对子带频谱图的操作来增强语音，其中包括全频带和子频带的融合模型、频率变换模块、时间变换和人类听觉感知的损失函数，实验结果表明，该系统达到了显著的改进，并且在基准数据集上优于当前最先进的技术。

Sep, 2022

本文提出了一种基于 Sinc 和 dilated 卷积层的全卷积网络（称为 SDFCN）及其扩展版本的残差 SDFCN（称为 rSDFCN），用于时间域下的多通道语音增强（multichannel SE）任务，实验结果表明所提出的语音增强系统在双通道内耳麦和分布式麦克风静音任务中具有优异的性能。

Sep, 2019

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

本文研究了语音增强中使用自我监督语音表示来帮助神经语音增强模型训练的方法，指出清洁和嘈杂语音特征编码之间的距离与语音质量和可懂性的心理声学测量值以及人类的平均意见分数（MOS）密切相关，并通过使用该距离作为损失函数的实验证明了相对于来自语音增强文献的常见损失函数的 STFT 频谱图距离损失，以及其他损失函数的性能。

Jan, 2023

本文利用全卷积网络 (FCN) 来处理语音信号的混响问题，提出了用 U-Net 和 GAN 算法来处理时频短时傅里叶变换 (STFT) 表示的语音信号。通过与其他算法的比较，结果表明本文提出的方法在大多数情况下表现更好。

Mar, 2018

本文提出采用基于感知度量的新损失函数的神经网络策略来进行端到端的语音源分离任务，实验表明这些新的损失函数能够帮助达到比基于 MSE 和 SDR 成本函数独自使用更优异的分离性能。

Jun, 2018