基于深度学习的声学回声消除、波束成形与后滤波联合控制
音频与语音处理
2022-08-11 v2 声音
摘要
我们引入一种新颖的方法来控制免提语音通信设备的功能，该设备包含基于模型的声学回声消除器(AEC)、最小方差无失真响应(MVDR)波束成形器(BF)和谱后滤波器(PF)。AEC 消除早期回声分量，MVDR BF 和 PF 抑制残余回声与背景噪声。作为关键创新，我们建议使用单个深度神经网络(DNN)来联合控制各算法组件的自适应。这能够在存在高水平干扰双讲的情况下实现快速收敛和高稳态性能。使用时域语音提取损失函数对 DNN 进行端到端训练，避免了单独控制策略的设计。
引用
@article{arxiv.2203.01793,
title = {Deep Learning-Based Joint Control of Acoustic Echo Cancellation, Beamforming and Postfiltering},
author = {Thomas Haubner and Walter Kellermann},
journal= {arXiv preprint arXiv:2203.01793},
year = {2022}
}
备注
Accepted for European Signal Processing Conference (EUSIPCO) 2022, Belgrade, Serbia