基于噪声空间协方差矩阵学习与最小方差无失真响应的移动机器人自噪声抑制
音频与语音处理
2023-03-08 v2
摘要
得益于深度学习方法，语音与事件识别系统的性能近期显著提升。然而，由于在神经网络训练时未见到机器人执行器产生的机械噪声与电干扰，当算法部署于机器人上时，其中部分任务仍具挑战性。因此，在使用预训练的语音与事件识别算法于机器人上时，作为预处理步骤的自噪声抑制可帮助解决此问题。本文提出一种仅利用麦克风阵列和少于两分钟噪声录制来降低自噪声的新方法。利用主成分分析（PCA），从标定期间在线创建的字典中选取最佳协方差矩阵候选，并与最小方差无失真响应（MVDR）波束成形器结合使用。结果表明，所提方法可实时运行，将信号失真比（SDR）最高提升 10 dB，在某些情况下将词错误率（WER）降低 55%，并将事件检测的平均精度（AP）最高提升 0.2。
引用
@article{arxiv.2303.00829,
title = {Ego-noise reduction of a mobile robot using noise spatial covariance matrix learning and minimum variance distortionless response},
author = {Pierre-Olivier Lagacé and François Ferland and François Grondin},
journal= {arXiv preprint arXiv:2303.00829},
year = {2023}
}
备注
Submitted to IROS 2023