基于空间相干性的阵列配置无关个性化语音活动检测
音频与语音处理
2023-04-19 v1
摘要
由于个人移动设备和智能音箱的日益普及，个性化语音活动检测（PVAD）受到了越来越多的关注。PVAD通常是这些应用中语音增强与识别的组成部分，其中仅针对目标用户启用轻量级信号处理。然而，在真实场景中，由于竞争说话人、背景噪声和混响，检测性能可能下降。为解决该问题，我们提出使用等效矩形带宽（ERB）缩放的空间相干性作为输入特征来训练阵列配置无关的PVAD网络。该网络模型仅需112k参数，却在不利声学条件下展现出优异的检测性能与鲁棒性。值得注意的是，所提出的ARCA-PVAD系统可扩展至不同阵列配置。实验结果证明，在受试者工作特征曲线下面积与等错误率方面，所提出的ARCA-PVAD系统优于基线。
引用
@article{arxiv.2304.08887,
title = {Array Configuration-Agnostic Personal Voice Activity Detection Based on Spatial Coherence},
author = {Yicheng Hsu and Mingsian R. Bai},
journal= {arXiv preprint arXiv:2304.08887},
year = {2023}
}
备注
Accepted by INTER-NOISE 2023. arXiv admin note: text overlap with arXiv:2211.08748