基于膨胀U-net的一阶Ambisonics录音多通道语音增强方法
音频与语音处理
2020-06-03 v1 声音
信号处理
摘要
我们提出一种从多通道一阶Ambisonics混合信号中进行语音增强的CNN架构。由基于掩码的方法推导出的数据相关空间滤波器，被用于辅助自动语音识别引擎应对混响与竞争说话人的不利条件。掩码预测由神经网络提供，该网络以语音与噪声幅度谱的粗略估计作为输入，并假设已知到达方向。本研究评估了在以额外第二名竞争说话人构成的更具压力条件下，以卷积U-net替代先前研究的循环LSTM网络。我们表明，由于更精确的短时掩码预测，U-net架构在词错误率方面带来若干改进。此外，结果表明膨胀卷积层的使用在具有两名干扰说话人及/或目标与干扰在角距离上彼此接近的困难情形中是有益的。而且，这些结果伴随着参数数量减半。
引用
@article{arxiv.2006.01708,
title = {Dilated U-net based approach for multichannel speech enhancement from First-Order Ambisonics recordings},
author = {Amélie Bosca and Alexandre Guérin and Lauréline Perotin and Srđan Kitić},
journal= {arXiv preprint arXiv:2006.01708},
year = {2020}
}
备注
Accepted for EUSIPCO 2020