DMF-Net：一种面向全频带语音增强的解耦式多频带融合模型
声音
2022-08-02 v4 音频与语音处理
摘要
由于对更多频带建模的难度和高计算复杂度，基于深度神经网络的全频带语音增强仍具挑战性。以往研究通常采用 Bark 和 ERB 尺度下频率分辨率相对较低的压缩全频带语音特征，导致性能下降，尤其在高频区域。本文提出一种解耦式多频带融合模型，用于执行全频带语音降噪和去混响。我们并未通过单一网络结构优化全频带语音，而是将全频带目标分解为多个子带语音特征，然后采用多阶段链式优化策略逐阶段估计纯净频谱。具体而言，低频（0-8 kHz）、中频（8-16 kHz）和高频（16-24 kHz）区域由三个独立的子网络映射，随后融合得到全频带纯净目标 STFT 频谱。在两个公开数据集上的综合实验表明，所提方法优于以往先进系统，并在真实复杂场景下在语音质量和可懂度方面取得了有前景的性能。
引用
@article{arxiv.2203.00472,
title = {DMF-Net: A decoupling-style multi-band fusion model for full-band speech enhancement},
author = {Guochen Yu and Yuansheng Guan and Weixin Meng and Chengshi Zheng and Hui Wang},
journal= {arXiv preprint arXiv:2203.00472},
year = {2022}
}