基于帧间相关性的深度滤波估计用于单声道语音去回声
音频与语音处理
2026-03-17 v1
摘要
远场麦克风场景下的语音去回声仍面临挑战，因为回声与目标信号高度相关，常导致在实际环境中泛化性能差。我们提出了 IF-CorrNet，这是一种针对声学可变性设计的相关性到滤波器的架构。不同于传统的黑箱映射方法直接估计复数频谱，IF-CorrNet 显式地利用帧间 STFT 相关性来估计每个时频单元的多帧深度滤波器。通过将学习目标从直接映射转向滤波器估计，网络有效约束了解空间，从而简化了训练过程并减轻了对合成数据的过拟合。在 REVERB 挑战数据集上的实验结果表明，IF-CorrNet 在 RealData 上的 SRMR 指标实现了显著提升，证明了其在实际非合成环境中抑制回声和噪声的鲁棒性。
引用
@article{arxiv.2603.14986,
title = {Deep Filter Estimation from Inter-Frame Correlations for Monaural Speech Dereverberation},
author = {Ui-Hyeop Shin and Jun Hyung Kim and Jangyeon Kim and Wooseok Kim and Hyung-Min Park},
journal= {arXiv preprint arXiv:2603.14986},
year = {2026}
}
备注
Submitted for review to Interspeech