Deep AHS：一种基于深度学习的声学啸叫抑制方法
音频与语音处理
2023-08-21 v2 声音
摘要
本文将声学啸叫抑制（AHS）定义为一个监督学习问题，并提出一种名为 Deep AHS 的深度学习方法来解决该问题。Deep AHS 采用教师强制（teacher forcing）方式进行训练，将循环式的啸叫抑制过程转化为瞬时语音分离过程，以简化问题并加速模型训练。该方法利用精心设计的特征，并训练一个基于注意力机制的循环神经网络（RNN），从麦克风录音中提取目标信号，从而衰减可能导致啸叫的回放信号。我们研究了不同的训练策略，并采用一种以循环模式实现的流式推理方法来评估所提方法在实时啸叫抑制中的性能。Deep AHS 避免了啸叫检测，并能从本质上阻止啸叫的发生，从而为音频系统设计提供了更大的灵活性。实验结果证明了该方法在不同场景下进行啸叫抑制的有效性。
引用
@article{arxiv.2302.09252,
title = {Deep AHS: A Deep Learning Approach to Acoustic Howling Suppression},
author = {Hao Zhang and Meng Yu and Dong Yu},
journal= {arXiv preprint arXiv:2302.09252},
year = {2023}
}
备注
Accepted for publication in 2023 ICASSP