کنفرانس مهندسی برق ایران

صفحه اصلی / سی و سومین کنفرانس بین المللی مهندسی برق

Dual-Branch Cross-Parallel Transformer Model for Single-Channel Speech Enhancement

نویسندگان :

Mohammad Hakimkhah¹ Rahil Mahdian Toroghi² Hassan Zareian³

1- Iran Broadcasting University 2- Iran Broadcasting University 3- Iran Broadcasting University

کلمات کلیدی :

Speech enhancement،Single microphone،Crossparallel Transformer،Dual branch

چکیده :

In this paper, a dual-branch parallel structure is proposed for single-channel speech enhancement, consisting of a Magnitude Mask Branch (MMB) and a Complex Mapping Branch (CMB) utilizing a Cross-Parallel Transformer (CPT) in the time-frequency domain. The CPT effectively captures longterm dependencies along time and frequency axes, extracting time-frequency-related features by integrating their information. The MMB estimates the spectral magnitude, while the CMB compensates for lost spectral details and implicitly extracts phase information. The approach is evaluated on the public VoiceBank+DEMAND dataset. The proposed Dual-Branch Cross- Parallel Transformer Neural Network (DB-CPTNN) achieves superior results compared to SOTA models. Specifically, the model attains PESQ, STOI, SSNR, CSIG, CBAK, and COVL scores of 3.37, 95.9%, 10.58, 4.71, 3.89, and 4.15, respectively, outperforming state-of-the-art (SOTA) benchmarks.

لیست مقالات

لیست مقالات بایگانی شده

نقش پوشش گیاهی عمودی به همراه اینترنت اشیا در کاهش آلودگی شهری

فرانک صید جانی - سبا کرمی میرعزیزی - هادی اشعریون

A High Dynamic Range Differential Rectifier for RF Energy Harvesting

Ataollah Mahsafar - Mohammad Yavari

طراحی یک کنترل‌کننده غیرخطی تطبیقی غیرمتمرکز برای تنظیم ولتاژ ریزشبکه‌های DC در حالت جزیره‌ای

سمیه بهرامی - فاطمه صفایی

Significant Methods to Improve Control of Quadrotors, Hexarotors and Octorotors

Peyman Amiri - Nima Sina - Mohammad Danesh

Impacts of Various Wind Turbine Generators on Transient Recovery Voltage in a Medium Voltage Power Network

Mostafa Heydari - Ali Asghar Razi-Kazemi

Angular Misalignment Effect on the Performance of Underwater MIMO OCC Systems

Ehsan Hamidnejad - Asghar Gholami

On spatiotemporal-aware deep neural networks for real-time video fire detection: empowering image-based models with temporal and spatial features of video

Mahdi Shamisavi - Sahar Eslami - Amir Jahanshahi - Morteza Rajabzadeh

Design and Implementation of CAN Bus Monitoring Module for Lithium Battery Management System

Shakila Kazempourdizaji - Amir Mohammad Moazami Goudarzi - Majid Shalchian

مدل سازی ریزالور دو درجه آزادی خطی با استفاده از تابع سیم‌پیچی اصلاح شده

فرید توتونچیان - رضا فریادرس

ارائه مبدل DC-DC غیر ایزوله هیبریدی بهره ولتاژ بالا با سوئیچ فعال سلفی

حسن زارعین - مجتبی حیدری - سیدمحمد دهقان دهنوی

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.5.3