NetShell中的AEC：关于FCRN声学回声消除的目标与拓扑选择
音频与语音处理
2021-03-17 v1
摘要
声学回声消除（AEC）算法在信号处理中长期扮演着稳定角色，其方法改善了汽车免提系统、智能家居与扬声器设备以及网络会议系统等应用的性能。就在最近，首批基于深度神经网络（DNN）的方法被提出，使用DNN进行联合AEC与残余回声抑制（RES）/降噪，在回声抑制性能方面显示出显著改进。另一方面，降噪算法在DNN方法上已受到大量关注，其中全卷积循环网络（FCRN）架构属于最先进的拓扑结构之一。然而，最近发表的联合AEC/RES DNN令人印象深刻的回声消除性能，迄今为止伴随着不可否认的语音质量损伤。在这项工作中，我们将解决此问题，并相比现有方法显著改善近端语音分量质量。此外，据我们所知，我们首次提出了一种纯DNN AEC形式的回声估计器，其基于具有竞争力的FCRN结构，并交付可用于实际应用的质量。
引用
@article{arxiv.2103.09007,
title = {AEC in a NetShell: On Target and Topology Choices for FCRN Acoustic Echo Cancellation},
author = {Jan Franzen and Ernst Seidel and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2103.09007},
year = {2021}
}
备注
Accepted at IEEE ICASSP 2021