【论文：麦克风阵列增强】Speech Enhancement Based on the General Transfer Function GSC and Postfiltering...-附件资源

SEWUNet 通过深波U-Net增强语音 在检查全文。 介绍 在本文中，我们提出了一种端到端的方法来从其原始波形上的语音信号中删除背景上下文。 网络的输入是音频，具有16kHz的采样率，并在5dB到15dB的信噪比内均匀分布地被附加噪声所破坏。 该系统旨在产生具有清晰语音内容的信号。 当前，有多种深度学习架构可用于此任务，从基于频谱的前端到原始波形，其结果令人鼓舞。 我们的方法基于Wave-U-Net体系结构，并对我们的问题进行了一些调整，在初始化主要任务的训练之前，建议通过自动编码器进行权重初始化。 我们表明，通过定量指标，我们的方法优于经典的维纳滤波。 如何使用 有两种使用此存储库的方式：1.使用数据训练自己的模型2.仅将技术应用于具有预先训练的模型的数据 如何训练 tl; dr：以与本文所示相同的方式训练最佳模型的步骤。 将LibriSpeech数据集和UrbanSound8K

利用语音信号增强的方法对语音信号中的混响进行处理，本文档中所包含的算法主要有：WPE,NR-WPE,SS-WPE,AWPE,MCLP等

语音增强好书，信号子空间理论不可多得资料，学习语音信号处理必备好书

很棒的语音增强 语音前端列表，例如语音增强\语音分离\声源定位 语音分离 Tasnet：时域音频分离网络，用于实时单通道语音分离 Conv-TasNet：用于语音分离的超越理想的时频屏蔽 双路径RNN：用于时域单通道语音分离的高效长序列建模 DANet：用于单通道语音分离的深层吸引网络（DANet） TAC端到端麦克风排列和数目不变的多通道语音分离 uPIT进行语音分离：使用发声级PIT进行语音分离 LSTM_PIT_Speech_Separation 深度集群 小行星：面向研究人员的基于PyTorch的音频源分离工具套件 声音分离（Google） 声音分离：使用Pytorch基于深度学习的语音源分离 ONSSEN：开源语音分离和增强库 音乐源分离 歌声分离 盲源分离技术比较 FastICA 基于本地化和优先级的双耳分离算法 卷积传递函数不变SDR 语音

Speech Enhancement Theory and Practice（语音增强-理论与实践）DVD数据 下载链接，希望帮助到有需要的朋友，因为个人账号级别太低无法上传整个文件，提供下载链接地址。

学习语音增强的同学们，这文件包含中英文加代码。非常适合学习。亲测好用，挺不错的资源，大家快来下载吧！挺有用的！需要的话可以来下载哦！

《Speech Enhancement》语音增强，陈景东大牛的著作，主要介绍了一些比较工业化应用的算法。

学习语音增强的同学们，这文件包含中英文加代码。非常适合学习。

作者：Emmanuel Vincent 传统信号处理+深度学习语音分离/增强 Tuomas Virtanen Sharon Gannot