Multi-resolution auditory cepstral coefficient and adaptive mask for speech enhancement with deep neural network

Li, Ruwei; Sun, Xiaoyue; Liu, Yanan; Yang, Dengcai; Dong, Liang

doi:10.1186/s13634-019-0618-4

EURASIP Journal on Advances in Signal Processing

Table 1 The SegSNR of the proposed algorithm and the contrast algorithm

From: Multi-resolution auditory cepstral coefficient and adaptive mask for speech enhancement with deep neural network

Noise type	SNR (dB)	SegSNR (dB)				Noise type	SNR (dB)	SegSNR (dB)
Noise type	SNR (dB)	Noisy speech	Contrast1	Contrast2	Proposed algorithm	Noise type	SNR (dB)	Noisy speech	Contrast1	Contrast2	Proposed algorithm
Buccaneer1	10	− 16.39	1.99	1.52	3.13	hfchannel	10	− 16.44	4.58	4.77	5.26
	5	− 21.18	0.03	− 0.09	0.92		5	− 21.13	2.45	2.16	2.78
	0	− 25.68	− 1.82	− 1.82	− 1.16		0	− 25.70	− 0.04	0.02	0.51
	− 5	− 29.59	− 4.72	− 4.91	− 4.69		− 5	− 29.65	− 2.38	− 2.74	− 2.23
Buccaneer2	10	− 16.40	2.36	2.33	3.75	Leopard	10	− 15.66	2.15	2.07	3.34
	5	− 21.15	0.43	0.56	1.57		5	− 20.36	0.96	0.73	1.51
	0	− 25.69	− 1.71	− 1.56	− 1.01		0	− 24.86	− 0.98	− 1.48	− 1.03
	− 5	− 29.52	− 4.92	− 4.51	− 4.41		− 5	− 28.92	− 6.25	− 5.50	− 5.90
Babble	10	− 15.91	0.86	1.55	2.45	m109	10	− 15.78	3.57	3.14	4.58
	5	− 20.59	− 1.95	− 1.45	0.24		5	− 20.55	1.18	0.75	2.06
	0	− 25.05	− 6.40	− 5.40	− 4.50		0	− 25.10	− 0.72	− 0.61	0.11
	− 5	− 28.82	− 14.84	− 11.66	− 12.15		− 5	− 28.98	− 3.15	− 2.53	− 3.09
Destroyerengine	10	− 16.26	2.87	2.67	3.80	Machinegun	10	− 2.16	10.76	10.16	10.82
	5	− 21.03	0.96	0.68	1.73		5	− 7.53	8.29	8.08	8.57
	0	− 25.56	− 0.75	− 0.92	− 0.38		0	− 12.82	6.13	6.14	6.16
	− 5	− 29.46	− 3.15	− 2.86	− 2.81		− 5	− 15.84	2.96	3.16	3.44
Destroyerops	10	− 16.09	1.66	1.63	3.30	Pink	10	− 16.24	2.33	2.48	3.99
	5	− 20.99	− 0.55	− 0.28	0.90		5	− 20.97	0.59	0.49	1.66
	0	− 25.29	− 2.66	− 2.13	− 1.68		0	− 25.45	− 1.65	− 1.07	− 0.09
	− 5	− 29.21	− 5.67	− 6.24	− 5.24		− 5	− 29.33	− 5.18	− 4.20	− 3.34
f16	10	− 16.20	2.46	2.58	3.90	Volvo	10	− 13.99	8.57	8.20	9.80
	5	− 20.98	0.48	0.54	1.64		5	− 18.77	6.85	6.23	7.86
	0	− 25.50	− 1.53	− 0.83	− 0.26		0	− 23.20	5.01	5.44	6.12
	− 5	− 29.33	− 4.66	− 2.42	− 2.22		− 5	− 27.14	3.73	3.12	3.85
Factory1	10	− 15.88	1.74	2.18	3.48	White	10	− 16.41	3.50	3.45	5.00
	5	− 20.80	− 0.67	0.17	1.18		5	− 21.20	1.16	1.08	2.45
	0	− 25.11	− 4.09	− 2.25	− 2.16		0	− 25.73	− 0.87	− 1.44	− 0.42
	− 5	− 29.00	− 11.71	− 19.01	− 8.52		− 5	− 29.30	− 3.23	− 4.95	− 2.90
Factory2	10	− 15.76	2.63	2.70	4.14	Street	10	− 16.04	− 3.37	− 3.25	− 2.92
	5	− 20.55	0.43	0.63	1.73		5	− 19.81	− 6.89	− 5.94	− 4.88
	0	− 25.09	− 1.87	− 1.04	− 0.49		0	− 24.39	− 9.93	− 9.60	− 7.02
	− 5	− 29.02	− 6.17	− 3.98	− 3.83		− 5	− 27.23	− 14.62	− 13.61	− 11.60
Office	10	− 16.52	0.23	0.95	1.15	Average	10	− 15.18	2.87	2.89	4.06
	5	− 21.56	− 3.63	− 2.97	− 1.57		5	− 19.95	0.59	0.66	1.79
	0	− 25.24	− 9.84	− 8.38	− 6.70		0	− 24.44	− 1.98	− 1.58	− 0.82
	− 5	− 28.93	− 18.61	− 16.34	− 15.98		− 5	− 28.19	− 5.30	− 5.83	− 4.80

Back to article page