Align-ULCNet：面向低复杂度和鲁棒的声学回声与降噪
音频与语音处理
2025-08-05 v2 声音
信号处理
摘要
深度学习基于声学回声与降噪（AENR）方法在消费设备中的成功部署，催生了开发低复杂度解决方案的热情，同时强调在实际应用中实现稳健性能的必要性。本文提出一种混合方法，通过集成时间对齐和平行编码器块来增强现有 SOTA ULCNet 模型，从而实现更好的回声消除和与现有 SOTA 方法相当的降噪性能。我们还提出一种基于通道注意力抽样的特征重新定向方法，确保在多种具有挑战性情景下的稳健性能，同时保持低计算和内存要求。
引用
@article{arxiv.2410.13620,
title = {Align-ULCNet: Towards Low-Complexity and Robust Acoustic Echo and Noise Reduction},
author = {Shrishti Saha Shetu and Naveen Kumar Desiraju and Wolfgang Mack and Emanuël A. P. Habets},
journal= {arXiv preprint arXiv:2410.13620},
year = {2025}
}
备注
5 pages, 4 figures