Noise reduction is a critical aspect of hearing aids that researchers trying to solve over the years. Most of the noise reduction algorithms are evaluated using English Speech Material. There are many differences between the linguistic features of English and Sinhala languages, such as different syllable structures and different vowel duration. Both wavelet transformation and adaptive filtering have been widely used for noise reduction in hearing aids. This paper compares the performance of wavelet transformation of ten wavelet families with soft and hard thresholding methods against adaptive filters with Normalized Least Mean Square (NLMS), Least Mean Square (LMS), Average Normalized Least Mean Square (ANLMS), Recursive Least Square (RLS), and Adaptive Filtering Averaging (AFA) optimization algorithms along with cepstral and energy-based voice activity detection (VAD) algorithms. The performance evaluation is done using objective metrics; Signal to Noise Ratio (SNR) and Perceptual Evaluation of Speech Quality (PESQ) and a subjective metric; Mean Opinion Score (MOS). The NOIZEUS database by the University of Texas, Dallas and a newly formed Sinhala language audio database were used for the evaluation.


翻译:噪声减少是助听器的关键方面,研究人员多年来一直在寻求解决方案。大部分噪声减少算法使用英语语音材料进行评估。英语和斯里兰卡语之间有许多语言特征的差异,例如不同的音节结构和不同的元音时长。小波变换和自适应滤波已被广泛应用于助听器中的噪声减少中。本文比较了十个小波家族的小波变换(软和硬阈值方法)与具有归一化最小均方(NLMS)、最小均方(LMS)、平均归一化最小均方(ANLMS)、递归最小方(RLS)和自适应滤波平均值(AFA)优化算法的自适应滤波,以及基于倒谱和能量的语音活动检测(VAD)算法的性能。使用客观度量标准:信噪比(SNR)和语音质量的感知评估(PESQ)以及主观度量标准:平均意见分数(MOS)进行性能评估。使用德克萨斯大学达拉斯分校的NOIZEUS数据库和新形成的斯里兰卡语音频数据库进行评估。

0
下载
关闭预览

相关内容

《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
NLG任务评价指标BLEU与ROUGE
AINLP
20+阅读 · 2020年5月25日
CVPR 2019 | 34篇 CVPR 2019 论文实现代码
AI科技评论
21+阅读 · 2019年6月23日
自适应注意力机制在Image Caption中的应用
PaperWeekly
10+阅读 · 2018年5月10日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2023年5月22日
Arxiv
0+阅读 · 2023年5月22日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
Multi-Task Learning的几篇综述文章
深度学习自然语言处理
15+阅读 · 2020年6月15日
NLG任务评价指标BLEU与ROUGE
AINLP
20+阅读 · 2020年5月25日
CVPR 2019 | 34篇 CVPR 2019 论文实现代码
AI科技评论
21+阅读 · 2019年6月23日
自适应注意力机制在Image Caption中的应用
PaperWeekly
10+阅读 · 2018年5月10日
笔记 | Sentiment Analysis
黑龙江大学自然语言处理实验室
10+阅读 · 2018年5月6日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员