目标特征的感知对比度拉伸在语音增强中的应用

由于深度学习模型的广泛应用，语音增强（Speech Enhancement, SE）性能已得到显著提升。本文提出一种感知对比度拉伸（Perceptual Contrast Stretching, PCS）方法，以进一步优化SE性能。PCS方法基于临界带重要性函数构建，并用于调整SE模型的目标输出。具体而言，该方法根据感知重要性对目标特征的对比度进行拉伸，从而全面提升SE性能。与基于后处理的实现方式相比，将PCS引入训练阶段不仅保持了模型性能，还显著降低了在线计算开销。值得注意的是，PCS可与多种SE模型架构及训练准则兼容，且不影响SE模型训练的因果性与收敛性。在VoiceBank-DEMAND数据集上的实验结果表明，所提方法在因果（PESQ得分为3.07）与非因果（PESQ得分为3.35）语音增强任务中均达到了当前最优水平。