语音增强课程作业

本仓库是一份完整的语音增强课程作业实现。整体思路是先完成经典语音增强方法，建立传统 baseline；再引入神经网络方法；最后使用统一指标对所有方法进行比较，并给出总结结论。

作业内容

本作业主要完成了两部分：

1. 经典语音增强方法
2. 神经网络语音增强方法

经典方法部分实现了：

• Spectral Subtraction
• Wavelet Denoising
• Frequency Masking

神经网络部分最终保留两类主结果：

• Magnitude Mask U-Net
• Complex Mask U-Net

数据集

实验基于 Edinburgh DataShare 提供的 Noisy speech database 配对语音数据开展。仓库未直接附带原始数据，需要自行下载。

数据集页面： https://datashare.ed.ac.uk/handle/10283/2791

测试集目录应为：

data/
  noisy_testset_wav/
  clean_testset_wav/

最终结果表

6 个方法的结果：

Method	SNRI	MAE	RMSE	PESQ	STOI
Noisy Input	0.000	0.024	0.030	1.967	0.921
Spectral Subtraction	5.445	0.010	0.0156	2.2948	0.912
Wavelet Denoising	0.220	0.023	0.029	2.094	0.915
Frequency Masking	4.223	0.013	0.019	2.233	0.919
Magnitude Mask U-Net	11.062	0.009	0.013	2.850	0.947
Complex Mask U-Net	8.545	0.015	0.020	2.595	0.935

结论

• 在经典方法中，Spectral Subtraction 是表现最好的传统 baseline。
• Wavelet Denoising 效果最弱，提升有限。
• Frequency Masking 也优于原始带噪输入，但整体仍弱于最优神经网络方法。
• 神经网络方法整体优于经典方法。
• 最终保留的神经网络结果中，Magnitude Mask U-Net 表现最好，是本次课程作业的最佳方案。
• Complex Mask U-Net 虽然优于经典方法，但仍未超过 Magnitude Mask U-Net。

仓库说明

经典方法代码

• src/spoken_denoise/
• scripts/run_parameter_search.py
• scripts/run_all_methods.py
• scripts/evaluate_results.py
• scripts/make_figures.py

神经网络代码

• folder1/: Magnitude Mask U-Net 路线
• folder2/: Complex Mask U-Net 路线
• ckpt/: 已训练权重

结果与文档

• results/final_summary.csv: 经典方法汇总结果
• results/eval_full_baseline.csv: Magnitude Mask U-Net 结果来源
• results/eval_full_com.csv: Complex Mask U-Net 结果来源
• docs/experiment_report.md: 完整实验报告
• docs/code_structure.md: 代码结构说明

复现命令

安装依赖：

pip install -r requirements.txt

运行经典方法：

python scripts/run_parameter_search.py
python scripts/run_all_methods.py
python scripts/evaluate_results.py

生成展示图像：

python scripts/make_figures.py --files p232_290.wav p257_098.wav p232_006.wav --methods spectral_subtraction frequency_masking wavelet_denoise --target-sr 16000