基于 bark 尺度的高效高性能残余回声与噪声抑制神经网络
音频与语音处理
2024-04-19 v1
摘要
近年来，神经网络( NN)的引入显著提升了语音增强领域的性能。然而，许多方法在计算复杂度和内存占用方面都较为严格。对于专用通信设备（如扬声器、免提车系统或智能手机）而言，效率与性能同样重要。在此背景下，我们提出一种高效高性能的混合声学回声控制和噪声抑制系统，其中主要贡献是 postfilter NN，同时执行噪声和残余回声抑制。通过 bark 尺度听觉滤波器组改善了近端语音的保真度。我们将该混合方法与最先进的方法进行了基准测试，其效果在 ICASSP 2023 AEC 挑战盲测集中得到验证。我们证明了该方法在双人语音和近端语音条件下，能够高质量地保留近端语音，同时有效抑制回声泄漏，实现的性能可与已知的小型最先进模型（如 end-to-end DeepVQE-S）相当，仅需其计算复杂度的约 10%，这使其轻松可实时实现于扬声器设备。
关键词
引用
@article{arxiv.2404.11621,
title = {Efficient High-Performance Bark-Scale Neural Network for Residual Echo and Noise Suppression},
author = {Ernst Seidel and Pejman Mowlaee and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2404.11621},
year = {2024}
}
备注
accepted to ICASSP 2024; 5 pages, 3 figures