低复杂度联合声学回声与噪声消除混合方法
音频与语音处理
2024-08-29 v1 声音
摘要
基于深度学习的方法通常需要高内存和计算资源，难以在低资源平台（如嵌入式设备）上实现实时部署。我们提出了一种低复杂度的混合方法，用于联合声学回声消除和噪声消除（AENR）。具体而言，我们将最先进的（SOTA）ULCNet模型——该模型最初用于实现超低复杂度噪声消除——集成到混合系统中，并进行联合AENR训练。我们表明，所提出的方法在实现更好的回声消除和可 comparable 噪声消除性能方面，计算复杂度和内存需求远低于所有考虑的SOTA方法，仅在语音质量上有轻微的退化。
引用
@article{arxiv.2408.15746,
title = {A Hybrid Approach for Low-Complexity Joint Acoustic Echo and Noise Reduction},
author = {Shrishti Saha Shetu and Naveen Kumar Desiraju and Jose Miguel Martinez Aponte and Emanuël A. P. Habets and Edwin Mabande},
journal= {arXiv preprint arXiv:2408.15746},
year = {2024}
}
备注
5 pages, 2 figures