基于块在线 FastMNMF 驱动帧在线波束赋形的无 DNN 低延迟自适应语音增强

本文描述了一个实用的双过程语音增强系统，其借助与环境无关块在线源分离（后端）来适配对环境敏感的帧在线波束赋形（前端）。在使用最小方差无失真响应（MVDR）波束赋形时，可训练深度神经网络（DNN）估计用于计算源（语音与噪声）协方差矩阵的时频掩码。为处理训练-测试条件失配，已有基于反向传播的 DNN 运行时自适应方案。作为替代，可尝试用一种称为快速多通道非负矩阵分解（FastMNMF）的先进盲源分离方法直接估计源协方差矩阵。然而实践中，无论 DNN 还是 FastMNMF 均因其计算昂贵的迭代特性而无法以帧在线方式更新。我们的无 DNN 系统利用块在线 FastMNMF 给出的最新源谱图后验，推导当前源协方差矩阵以用于帧在线波束赋形。评估表明，我们的帧在线系统能快速响应由干扰说话人移动引起的场景变化，并在词错误率上以 5.0 个点优于现有的基于 DNN 波束赋形的块在线系统。