CLC：面向 DNS 2020 挑战赛的复线性编码
音频与语音处理
2020-06-24 v1 声音
摘要
复值处理将基于深度学习的语音增强与信号提取提升到了新水平。通常，降噪过程基于时频（TF）掩码并应用于含噪谱图。复掩码（CM）因能修改相位通常优于实值掩码。近期工作提出使用称为复线性编码（CLC）的复系数线性组合，替代与掩码的点乘。这能融入先前及可选未来时间步的信息，从而在特定噪声条件下获得优于基于掩码增强的性能。事实上，该线性组合能建模准平稳特性，如频带内的频谱。本工作中，我们将 CLC 应用于深度噪声抑制（DNS）挑战赛，并提议以 CLC 作为传统基于掩码处理（如基线所用）的替代。我们使用提供的测试集与额外的含真实平稳及非平稳噪声的验证集评估了模型。基于已发布测试集，我们在尺度无关信号失真比（SI-SDR）上比基线高出约 3dB。
引用
@article{arxiv.2006.13077,
title = {CLC: Complex Linear Coding for the DNS 2020 Challenge},
author = {Hendrik Schröter and Tobias Rosenkranz and Alberto N. Escalante-B. and Andreas Maier},
journal= {arXiv preprint arXiv:2006.13077},
year = {2020}
}