通过神经网络递归训练推进声学啸叫抑制
音频与语音处理
2023-09-29 v1 声音
信号处理
摘要
在本文中，我们引入了一种新颖的训练框架，通过考察声学啸叫的基本形成过程来全面解决声学啸叫问题。该框架在训练期间将神经网络（NN）模块集成到闭环系统中，并使用实时递归生成的信号来紧密模拟声学啸叫抑制（AHS）的流式过程。所提出的递归训练策略弥合了训练与真实世界推理场景之间的差距，标志着与以往通常将 AHS 视为噪声抑制或声学回声消除的基于 NN 的方法的背离。在该框架内，我们探索了两种方法：一种完全依赖 NN，另一种将 NN 与传统 Kalman 滤波器结合。此外，我们提出了包括啸叫检测和使用预训练离线模型进行初始化等策略，以增强可训练性并加速训练过程。实验结果验证该框架相比以往的声学啸叫抑制方法提供了实质性改进。
引用
@article{arxiv.2309.16048,
title = {Advancing Acoustic Howling Suppression through Recursive Training of Neural Networks},
author = {Hao Zhang and Yixuan Zhang and Meng Yu and Dong Yu},
journal= {arXiv preprint arXiv:2309.16048},
year = {2023}
}
备注
Paper in submission