由非侵入式 PESQNet 介导以最大化不可微 PESQ 的深度噪声抑制
音频与语音处理
2021-11-09 v1 声音
摘要
采用深度神经网络（DNNs）进行去噪的语音增强被称为深度噪声抑制（DNS）。在训练过程中，DNS 方法通常使用均方误差（MSE）型损失函数进行训练，这并不能保证良好的感知质量。语音质量感知评估（PESQ）是一种广泛使用的语音质量评估指标。然而，原始 PESQ 算法不可微，因此不能直接用作基于梯度的学习的优化准则。在本工作中，我们提出了一种端到端非侵入式 PESQNet DNN 来估计增强语音信号的 PESQ 分数。因此，通过提供无参考感知损失，它充当 DNS 训练的中介，允许最大化增强语音信号的 PESQ 分数。我们在一个已经很强的基线 DNS 的基础上展示了我们提出的 PESQNet 介导训练的潜力。作为进一步的创新，我们提出交替训练 DNS 和 PESQNet，以使 PESQNet 保持最新并特别针对正在训练的 DNS 表现良好。我们提出的方法与采用基于 MSE 的损失进行联合去噪和去混响训练的相同 DNS，以及 Interspeech 2021 DNS 挑战赛基线进行了比较。详细分析表明，与基于 MSE 的损失训练相比，PESQNet 介导在合成测试数据上可进一步提高 DNS 性能约 0.1 个 PESQ 点，在真实测试数据上提高 0.03 个 DNSMOS 点。我们提出的方法在合成测试数据上还以 0.2 个 PESQ 点、在真实测试数据上以 0.1 个 DNSMOS 点优于挑战赛基线。
引用
@article{arxiv.2111.03847,
title = {Deep Noise Suppression Maximizing Non-Differentiable PESQ Mediated by a Non-Intrusive PESQNet},
author = {Ziyi Xu and Maximilian Strake and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2111.03847},
year = {2021}
}