结合自适应数字滤波器与循环神经网络的声学回声消除

声学回声消除（AEC）在语音交互中起着关键作用。由于具有明确的数学原理并能智能适应各种条件，采用不同实现方式的自适应滤波器一直被用于 AEC，取得了可观的性能。然而，结果中会存在若干种残余回声，包括由估计与现实失配引入的线性残余，以及主要由音频设备上的非线性组件导致的非线性残余。线性残余可通过精细的结构与方法加以削减，而非线性残余则难以抑制。尽管已有一些非线性处理方法被提出，但它们复杂且抑制效率低，并会损伤语音音频。本文提出一种结合自适应滤波器与神经网络的融合方案用于 AEC。回声可通过自适应滤波大幅削减，仅留下少量残余回声。尽管其远小于语音音频，仍可被人的耳朵察觉并干扰通信。该神经网络经过精心设计与训练以抑制此类残余回声。与主流方法对比的实验验证了所提组合方案的有效性与优越性。