基于 DNN 支持的相对传递函数估计的块在线多通道语音增强

本工作研究多通道语音增强中的块在线处理问题。此类处理在说话人移动和/或处理极短语音片段的场景中至关重要，例如语音助手场景。我们考虑了若干系统变体，这些系统执行由基于 DNN 的语音活动检测（VAD）支持的后接后滤波的波束成形。通过对麦克风间的相对传递函数进行估计来锁定说话人。输入信号的每个块被独立处理，以使该方法适用于高度动态的环境。由于处理块长度较短，波束成形所需的统计信息估计精度较低。我们研究这种不精确性的影响，并与将录音视为一个块（批处理）的处理方式进行比较。所提方法的实验评估在 CHiME-4 大型数据集和另一个包含移动目标说话人的数据集上进行。实验根据客观与感知准则（分别为信号干扰比（SIR）或语音质量感知评估（PESQ））进行评估。此外，还评估了基线自动语音识别系统所取得的词错误率（WER），增强方法作为其前端方案。结果表明，所提方法对处理块的短长度具有鲁棒性。即使在 250 ms 的块长度下，各准则与 WER 也观察到显著改善。