2020年提出的DCCRN，深度复杂数卷积循环网络在相位处理中的应用效果如何？

本文共计6476个文字，预计阅读时间需要26分钟。

论文：DCCRN：用于增强相对感语音的深度复杂卷积循环网络

论文摘要：本文提出了一种名为DCCRN的深度复杂卷积循环网络，旨在通过深度学习技术增强相对感语音。该网络结合了复杂卷积和循环神经网络的优势，能够有效地处理语音数据中的复杂性和动态性。实验结果表明，DCCRN在语音增强任务上取得了显著的性能提升。

论文链接：[https://paperswithcode.com/paper/dccrn-deep-complex-convolution-recurrent](https://paperswithcode.com/paper/dccrn-deep-complex-convolution-recurrent)

引用：Hu, Y., Liu, Y., Lv, S., et al. (2023). DCCRN: Deep complex convolution recurrent.

论文地址：DCCRN：用于相位感知语音增强的深度复杂卷积循环网络

论文代码：paperswithcode.com/paper/dccrn-deep-complex-convolution-recurrent-1

引用：Hu Y，Liu Y，Lv S，et al. DCCRN: Deep complex convolution recurrent network for phase-aware speech enhancement[J]. arXiv preprint arXiv:2008.00264，2020.

摘要

　　语音增强得益于深度学习在可理解性和感知质量方面的成功。