DCCRN：用于相位感知语音增强的深度复数卷积循环网络
音频与语音处理
2020-09-24 v4 声音
摘要
语音增强在可懂度和感知质量方面受益于深度学习的成功。传统的时频（TF）域方法侧重于通过朴素的卷积神经网络（CNN）或循环神经网络（RNN）预测 TF 掩码或语音谱。一些近期研究使用复值谱图作为训练目标，但在实值网络中训练，分别预测幅度和相位分量或实部和虚部。特别地，卷积循环网络（CRN）集成了卷积编解码器（CED）结构和长短期记忆（LSTM），已被证明有助于处理复数目标。为了更有效地训练复数目标，本文设计了一种模拟复值运算的新网络结构，称为深度复数卷积循环网络（DCCRN），其中 CNN 和 RNN 结构均可处理复值运算。所提出的 DCCRN 模型在其他先前网络之上极具竞争力，无论是在客观还是主观指标上。仅用 3.7M 参数，我们提交至 Interspeech 2020 深度噪声抑制（DNS）挑战赛的 DCCRN 模型在平均意见得分（MOS）上实时赛道排名第一、非实时赛道排名第二。
引用
@article{arxiv.2008.00264,
title = {DCCRN: Deep Complex Convolution Recurrent Network for Phase-Aware Speech Enhancement},
author = {Yanxin Hu and Yun Liu and Shubo Lv and Mengtao Xing and Shimin Zhang and Yihui Fu and Jian Wu and Bihong Zhang and Lei Xie},
journal= {arXiv preprint arXiv:2008.00264},
year = {2020}
}
备注
Accepted by Interspeech 2020