将几何约束与一致性约束融入相位估计以提高语音增强效果
音频与语音处理
2025-07-04 v1
摘要
我们提出一种新颖的迭代相位估计框架，称为多源 Griffin-Lim 算法 (MSGLA)，用于在叠加噪声条件下的语音增强 (SE)。核心思想是利用复数短时傅里叶变换 (STFT) spectrogram 的恰当一致性约束，以解决几何方法相位估计中常见的符号歧义问题。进一步，我们基于正弦定理和余弦定理，构建几何约束框架的变体，制定新的相位重建算法。我们首先通过一系列 oracle 实验验证所提方法的有效性，表明其在理想条件下表现良好。随后在 VB-DMD 和 WSJ0-CHiME3 数据集上进行评估，结果表明所提 MSGLA 变体与现有算法（包括直接相位估计和基于深度神经网络的符号预测）基本持平或略优于，尤其在背景噪声抑制方面表现突出。
关键词
引用
@article{arxiv.2507.02192,
title = {An Investigation on Combining Geometry and Consistency Constraints into Phase Estimation for Speech Enhancement},
author = {Chun-Wei Ho and Pin-Jui Ku and Hao Yen and Sabato Marco Siniscalchi and Yu Tsao and Chin-Hui Lee},
journal= {arXiv preprint arXiv:2507.02192},
year = {2025}
}
备注
5 pages