A composite objective measure on subjective evaluation of speech enhancement algorithms

الگوریتم های تقویت گفتار، بهبود کیفیت گفتار، طبیعی بودن و قابل فهم بودن با حذف سر و صدای پس زمینه و بهبود نسبت سیگنال به نویز است. چندین روش پیشگیرانه وجود دارد که پیش بینی کیفیت سخنرانی پر سر و صدا را با الگوریتم های سرکوب سر و صدایی افزایش می دهد و اندازه گیری های مختلف هدف، ویژگی های مختلف سیگنال تخریب را ضبط می کنند. در این مقاله، تحلیل رگرسیون چند خطی برای به دست آوردن یک ضریب کامپوزیت که همبستگی بالایی با آزمونهای ذهنی دارد، مورد استفاده قرار می گیرد و عملکرد چندین الگوریتم تقویت گفتار تحت شرایط نویز خودرو مقایسه می شود. عدم اطمینان نتایج نتایج پیشنهاد شده بر الگوریتم های مختلف تقویت گفتار مورد بررسی قرار گرفته و قابلیت اطمینان نتایج مورد بحث قرار گرفته است.