E2E-AEC：基于端到端神经网络的声学回声消除实现
声音
2026-01-26 v1 音频与语音处理
摘要
我们提出了一种新颖的基于神经网络的端到端声学回声消除（E2E-AEC）方法，具备流式推理能力，能够有效地无需依赖传统的线性回声消除（LAEC）技术和时间延迟估计。我们的方法包括几个关键策略：首先，我们引入并完善了渐进式学习，以逐步增强回声抑制。其次，我们的模型通过初始化一个基于预训练的LAEC模型来实现知识迁移，充分利用来自LAEC训练所获的洞见。此外，我们通过对注意力权重应用损失函数来优化注意力机制，以实现参考信号与麦克风信号之间的精确时间对齐。最后，我们引入语音活动检测，以提高语音质量并通过在近端无语音时屏蔽网络输出来改进回声移除。通过在公开数据集上进行实验，我们验证了该方法的有效性。
引用
@article{arxiv.2601.16774,
title = {E2E-AEC: Implementing an end-to-end neural network learning approach for acoustic echo cancellation},
author = {Yiheng Jiang and Biao Tian and Haoxu Wang and Shengkui Zhao and Bin Ma and Daren Chen and Xiangang Li},
journal= {arXiv preprint arXiv:2601.16774},
year = {2026}
}
备注
This paper has been accepted by ICASSP2026