一种具有目标解耦的同步去噪与去混响框架
声音
2021-06-25 v1 音频与语音处理
摘要
背景噪声与房间混响被视为降低主观语音质量的两个主要因素。本文提出一种集成框架，以应对复杂场景环境下的同步去噪与去混响问题。它采用链式优化策略并相应设计四个子阶段。在前两个阶段，我们将关于复谱的多任务学习解耦为幅度与相位，并仅在幅度域中实施噪声与混响去除。基于上述估计先验，我们在第三阶段进一步精炼频谱，其中幅度与相位信息均通过残差学习被显式修复。由于数据失配与 DNN 的非线性效应，残差噪声常存在于 DNN 处理后的频谱中。为解决该问题，我们采用轻量级算法作为后处理模块，以捕获并抑制非活跃区域中的残差噪声。在 Interspeech 2021 深度噪声抑制（DNS）挑战赛中，我们提交的系统在 ITU-T P.835 框架下的平均意见得分（MOS）方面于实时赛道排名第一。
引用
@article{arxiv.2106.12743,
title = {A Simultaneous Denoising and Dereverberation Framework with Target Decoupling},
author = {Andong Li and Wenzhe Liu and Xiaoxue Luo and Guochen Yu and Chengshi Zheng and Xiaodong Li},
journal= {arXiv preprint arXiv:2106.12743},
year = {2021}
}
备注
Accepted at Interspeech 2021