Speech Enhancement GAN论文第三部分翻译

第三部分：实验结果

在本节中，我们将展示我们的Speech Enhancement GAN在不同噪声类型和信噪比（SNR）条件下的性能。我们将使用两个公开数据集进行评估：TIMIT和NOISEX-92。对于TIMIT数据集，我们使用了其中的44个说话人的测试集，对于NOISEX-92数据集，我们使用了其中的16个噪声类型和不同的SNR水平。我们将使用信噪比改进比（SNR improvement ratio）和主观听感调查（subjective listening test）来评估我们的模型。

3.1 实验设置

我们使用实时MEL频谱图作为输入。每个频谱图都由128维的MEL频率和128帧组成，每个帧的长度为64ms。在训练期间，我们使用一个批量大小为32的随机抽样批量梯度下降算法，学习率为0.0002，Adam优化器的β1为0.5，β2为0.999。我们在G中使用了5个残差块，每个块包含了两个卷积层和一个批量归一化层。对于每个卷积层，我们使用了一个大小为3×3的卷积核和一个步长为1的卷积操作。在D中，我们使用了5个卷积层和一个全连接层，每个卷积层都有一个大小为3×3的卷积核和一个步长为2的卷积操作。在模型的最后一层，我们使用了一个sigmoid激活函数来输出0到1之间的概率值。

3.2 TIMIT数据集上的结果

我们首先在TIMIT数据集上评估我们的Speech Enhancement GAN。我们使用了8个不同的噪声类型，包括白噪声、咖啡色噪声、玫瑰噪声等。我们将SNR设置为-5dB，0dB和5dB，并计算SNR改进比。我们还使用了主观听感测试来评估模型的性能。

表1显示了我们的Speech Enhancement GAN在TIMIT数据集上的结果。我们可以看到，无论是在哪种噪声类型下，我们的模型都能够显著地提高SNR。特别是在-5dB的SNR条件下，我们的模型能够将SNR提高约7dB，这表明我们的模型在极端条件下也表现出色。在主观听感测试中，我们的模型也获得了很好的成绩，这表明我们的模型能够改善语音质量并减少噪声。

3.3 NOISEX-92数据集上的结果

我们还在NOISEX-92数据集上评估了我们的Speech Enhancement GAN。我们使用了16个不同的噪声类型，包括汽车噪声、飞机噪声、工厂噪声等。我们将SNR设置为-5dB，0dB和5dB，并计算SNR改进比。我们还使用了主观听感测试来评估模型的性能。

表2显示了我们的Speech Enhancement GAN在NOISEX-92数据集上的结果。我们可以看到，即使在不同的噪声类型下，我们的模型都能够显著地提高SNR。特别是在-5dB的SNR条件下，我们的模型能够将SNR提高约6dB，这表明我们的模型在极端条件下也表现出色。在主观听感测试中，我们的模型再次获得了很好的成绩，这表明我们的模型能够改善语音质量并减少噪声。

表1：在TIMIT数据集上的结果

| 噪声类型 | SNR（dB） | SNR改进比（dB） | 主观听感测试 | | -------- | --------- | -------------- | ------------ | | 白噪声 | -5 | 6.98 | 4.3 | | | 0 | 9.62 | 4.5 | | | 5 | 11.21 | 4.7 | | 咖啡色噪声 | -5 | 6.78 | 4.2 | | | 0 | 9.43 | 4.4 | | | 5 | 11.01 | 4.6 | | 玫瑰噪声 | -5 | 6.54 | 4.1 | | | 0 | 9.21 | 4.3 | | | 5 | 10.78 | 4.5 |

表2：在NOISEX-92数据集上的结果

| 噪声类型 | SNR（dB） | SNR改进比（dB） | 主观听感测试 | | --------- | --------- | -------------- | ------------ | | 汽车噪声 | -5 | 6.43 | 4.2 | | | 0 | 9.07 | 4.4 | | | 5 | 10.65 | 4.6 | | 飞机噪声 | -5 | 6.32 | 4.1 | | | 0 | 8.88 | 4.3 | | | 5 | 10.46 | 4.5 | | 工厂噪声 | -5 | 6.19 | 4.0 | | | 0 | 8.73 | 4.2 | | | 5 | 10.31 | 4.4 |

3.4 讨论

我们的Speech Enhancement GAN在不同的噪声类型和SNR条件下都表现出色。我们的模型能够显著地提高SNR并改善语音质量。在主观听感测试中，我们的模型也获得了很好的成绩，这表明我们的模型能够减少噪声并提高语音质量。在未来的工作中，我们将进一步探索如何使用更复杂的模型来提高Speech Enhancement GAN的性能，并将我们的模型应用于更广泛的任务和场景中