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

该研究通过进行语音知觉实验，提出了一种针对嘈杂环境下语音生成的优化方法，提出基于可听度的复述排序模型，相对提高了 31.37% 的性能表现，从而在 SNR-5dB 下提高了 33% 的可懂度。

Oct, 2022

本研究提出了一种基于深度学习和数字信号处理混合的方法来实现噪声抑制，该方法使用了四层隐含层的深度神经网络来估计关键频带增益，并采用传统的基音滤波器抑制谐波之间的噪声，相比于传统的最小均方误差谱估计，该方法获得了显著更高的质量，在复杂度低到足以实现 48kHz 实时处理的低功耗处理器上。

Sep, 2017

通过对傅里叶变换和小波变换等信号分解方法的简洁比较分析，讨论了衡量语音可懂度的指标，并提供了数学定义和直观解释，以帮助机器学习工程师在选择、调整和评估特定机器学习模型的分解方法时做出明智决策。

Mar, 2024

本文提出了一种轻量级模型，可以将采样频率从 8kHz 提高到 16kHz，并使用 SEANet 模型结构和特征损失和对抗损失的组合方法，将高频内容恢复到与 16kHz 接近的水平，并且该模型在流模式下具有较低的延迟，可在双向语音通信系统中实现。

Oct, 2020

本研究提出一种基于无监督方法的自动语音可懂度检测技术，使用 Wav2Vec-2.0 的自监督表示，考虑使用使用动态时间规整算法（DTW）计算对齐距离来区分可懂语音和不可懂语音。通过验证，该方法的检测准确率分别为 90.37％、92.57％和 96.58％。

Jun, 2023

提出了一种低复杂度的分频数字信号处理架构，用简单的延迟元件来补偿行走效应，针对 96G 波特率信号和 2500 公里光传输距离，采用该方法相比于线性均衡可实现 2.8 分贝的信噪比提高。

Jul, 2018

本文提出了一种称之为 PercepNet 的用于语音增强的深度学习方法，该方法仅需要短时间的傅里叶变换，通过聚焦于语音的谱包络和周期性，可以实现高质量、实时的全频带语音增强，仅需要不到 5% 的 CPU 核心。

Aug, 2020

一种创新的方法用于在资源受限设备上实时语音增强的深度神经网络计算复杂度的减少，该方法利用两阶段处理框架，采用通道特征重定向来降低卷积运算的计算负荷，并结合改进的功率定律压缩技术以实现与最先进方法相当的噪声抑制性能，但具有显著较少的计算要求。值得注意的是，我们的算法的计算复杂度和内存使用比之前最先进的方法要少 3 到 4 倍。

Dec, 2023

本研究提出了一种基于编码器 - 解码器结构、包含跳跃连接、优化时间和频域的多损失函数的实时语音增强模型，可直接处理原始波形并消除各种背景噪音及实现房间回声，进行了多项标准测试，且通过数据扩增进一步完善模型性能及泛化能力，达到了最先进的性能。

Jun, 2020