一种神经网络辅助的轻量级助听器去混响两阶段算法
音频与语音处理
2023-06-01 v2 机器学习
声音
摘要
本文提出了一种面向助听器的轻量级在线两阶段去混响算法。该方法将多通道多帧线性滤波器与单通道单帧后滤波器相结合。两个组件均依赖于深度神经网络(DNNs)提供的功率谱密度(PSD)估计。通过推导分析不同时间范围内去混响性能的新度量，我们确认，与将准则置于DNN输出端以优化PSD估计相比，直接在多通道线性滤波阶段输出端优化准则可实现更高效的去混响。更具体地，我们表明对该阶段进行端到端训练有助于进一步去除滤波器可及范围内的混响，从而提高早期至中等混响比。我们论证并证明，其随后可与后滤波阶段良好结合，以有效抑制残余晚期混响，进而提高早期至最终混响比。与例如近期最先进的DNN方法相比，所提出的两阶段流程在去混响性能和计算需求方面均被证明非常有效。此外，通过控制早期反射的削减量，所提出的两阶段系统可适应不同类型助听器用户的需求。
引用
@article{arxiv.2204.02978,
title = {A neural network-supported two-stage algorithm for lightweight dereverberation on hearing devices},
author = {Jean-Marie Lemercier and Joachim Thiemann and Raphael Koning and Timo Gerkmann},
journal= {arXiv preprint arXiv:2204.02978},
year = {2023}
}
备注
Accepted for publication in EURASIP Journal on Audio, Speech and Music Processing