用于噪声鲁棒 ASR 的带双向投影融合模块的跨域单通道语音增强模型
音频与语音处理
2021-08-27 v1 多媒体
声音
信号处理
摘要
近几十年来，许多研究表明相位信息对语音增强（SE）至关重要，并且时域单通道语音增强技术在噪声抑制和鲁棒的自动语音识别（ASR）中展现出了潜力。本文是上述研究路线的延续，并探索了分别在语音信号的时域和频域中考虑相位信息的两种有效 SE 方法。更进一步，我们提出了一种新颖的跨域语音增强模型和一种用于噪声鲁棒 ASR 的双向投影融合（BPF）机制。为了评估所提方法的有效性，我们在公开可用的 Aishell-1 普通话基准语音语料库上进行了大量实验。评估结果证实，在分别被已知和未知噪声污染的场景测试集中，无论是在增强还是 ASR 评估指标上，我们提出的方法相较于目前几种最先进的时域和频域 SE 方法均具有优越性。
引用
@article{arxiv.2108.11598,
title = {Cross-domain Single-channel Speech Enhancement Model with Bi-projection Fusion Module for Noise-robust ASR},
author = {Fu-An Chao and Jeih-weih Hung and Berlin Chen},
journal= {arXiv preprint arXiv:2108.11598},
year = {2021}
}
备注
6 pages, 3 figures, Accepted by ICME 2021