一种用于多通道神经分离系统的时域实值广义维纳滤波器
音频与语音处理
2022-09-08 v2 人工智能
声音
信号处理
摘要
近年来，频域波束形成器在各类多通道神经分离系统中取得了广泛成功。然而，传统频域波束形成器中的运算通常是独立定义且为复数值的，这导致了两个缺陷：前者未能充分利用端到端优化的优势，后者可能在训练阶段引入数值不稳定性。受近期端到端神经分离系统成功的启发，本文提出时域实值广义维纳滤波器(TD-GWF)，一种定义在二维可学习实值信号变换上的线性滤波器。TD-GWF 将变换后的表示分组，并在每组上对所有可用通道执行最小均方误差(MMSE)估计。我们展示了当指定特定信号变换与组数时，TD-GWF 如何与传统滤波求和波束形成器相联系。此外，鉴于序列神经波束形成框架近期的成功，我们展示了 TD-GWF 如何应用于此类框架中以执行迭代波束形成与分离，从而获得整体性能增益。综合实验结果表明，在各种神经网络架构、麦克风阵列场景与任务配置下，TD-GWF 在序列神经波束形成流程中始终优于传统频域波束形成器。
引用
@article{arxiv.2112.03533,
title = {A Time-domain Real-valued Generalized Wiener Filter for Multi-channel Neural Separation Systems},
author = {Yi Luo},
journal= {arXiv preprint arXiv:2112.03533},
year = {2022}
}