EchoFilter：用于声学回声消除的端到端神经网络
声音
2021-06-01 v1 音频与语音处理
摘要
声学回声消除（AEC）旨在抑制由扬声器与麦克风间声学耦合产生的回声，在语音交互中起着关键作用。线性自适应滤波器（AF）常用于处理该问题。然而，由于真实场景中存在非线性失真、背景噪声与麦克风削波等严重效应，会导致可观的残余回声，实践中性能较差。本文提出一种用于回声消除的端到端网络结构，其直接在时域音频波形上进行。它通过时序卷积转换为深层表示，并由长短期记忆（LSTM）建模以考虑时间特性。由于近端相对于远端可能存在时间延迟与严重混响，采用局部注意力进行对齐。该网络通过引入用于双讲检测的辅助分类网络以多任务学习进行训练。实验表明，在背景噪声与非线性失真场景下，我们所提方法在单讲段的回声回损增强（ERLE）与双讲段的语音质量感知评估（PESQ）分数方面均具优越性。
引用
@article{arxiv.2105.14666,
title = {EchoFilter: End-to-End Neural Network for Acoustic Echo Cancellation},
author = {Lu Ma and Song Yang and Yaguang Gong and Xintian Wang and Zhongqin Wu},
journal= {arXiv preprint arXiv:2105.14666},
year = {2021}
}
备注
5 pages, 3 figures, 6 tabels