深度残差回声抑制与噪声抑制：混合语音增强系统中的多输入FCRN方法
音频与语音处理
2022-03-24 v2
摘要
基于深度神经网络（DNN）的声学回声消除（AEC）和混合语音增强系统方法近来受到越来越多的关注，为该研究领域带来了显著的性能提升。利用作为最先进噪声抑制拓扑之一的全卷积循环网络（FCRN）架构，我们提出了一种新颖的深度残差回声抑制与噪声抑制方法，具有多达四个输入信号，作为带有线性频域自适应卡尔曼滤波器AEC的混合语音增强系统的一部分。在一项广泛的消融研究中，我们揭示了在回声抑制、噪声抑制和近端语音质量之间的权衡，并对FCRN输入的选择提供了令人惊讶的见解：与该项任务中常见的输入组合相反，我们提议不使用扬声器参考信号，而是使用AEC后的增强信号、麦克风信号和回声估计，相较先前方法取得了超过0.2 PESQ点的改进。
引用
@article{arxiv.2108.03051,
title = {Deep Residual Echo Suppression and Noise Reduction: A Multi-Input FCRN Approach in a Hybrid Speech Enhancement System},
author = {Jan Franzen and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2108.03051},
year = {2022}
}
备注
Accepted at IEEE ICASSP 2022