DFingerNet：针对听力助听器的噪声自适应语音增强
声音
2025-01-24 v2 机器学习
音频与语音处理
信号处理
摘要
DeepFilterNet（DFN）架构最近被提出作为适用于听力助听器设备的深度学习模型。尽管其在诸多基准测试上表现竞争力，但它仍遵循\'one-size-fits-all\'的方法，旨在训练一个单一的、整体的架构以跨不同噪声和环境进行泛化。然而，其受限的规模和计算预算可能削弱其泛化能力。最近的研究表明，通过对背景录音中提取的额外信息进行条件化，可显著改善基于情境的适应性性能，以缓解这一问题。这些录音可在听力助听器之外卸载，从而在增加最小计算开销的同时提升性能。我们将这些原则引入 DFN 模型，提出 DFingerNet（DFiN）模型，该模型在各种受 DNS 挑战启发的基准测试上表现出优异性能。
关键词
引用
@article{arxiv.2501.10525,
title = {DFingerNet: Noise-Adaptive Speech Enhancement for Hearing Aids},
author = {Iosif Tsangko and Andreas Triantafyllopoulos and Michael Müller and Hendrik Schröter and Björn W. Schuller},
journal= {arXiv preprint arXiv:2501.10525},
year = {2025}
}
备注
Comments: Accepted at ICASSP 2025. 5 pages, 3 figures