基于 Kronecker 积分解的前向卷积预测用于帧在线单声道语音去混响
音频与语音处理
2025-10-29 v1
摘要
去混响长期是语音处理中的一个关键研究议题，旨在减轻语音通信和语音交互系统中混响的不利影响。在现有方法中，前向卷积预测 (FCP) 近期引起了关注。它通常采用深度神经网络预测直接路径信号，然后估计线性预测滤波器以抑制残余混响。然而，这种方法的一个主要缺点是所需的线性预测滤波器往往过于冗长，导致计算复杂度较高。为此，我们提出一种基于 Kronecker 积 (KP) 分解的新型 FCP 方法，其中长预测滤波器被建模为两个较短滤波器的 KP。这一分解显著降低了计算成本。随后提供了一个自适应算法用于在线迭代更新这些较短的滤波器。实验结果表明，与常规方法相比，我们的方法在实现竞争性去混响性能的同时，大幅降低了计算成本。
关键词
引用
@article{arxiv.2510.24471,
title = {Forward Convolutive Prediction for Frame Online Monaural Speech Dereverberation Based on Kronecker Product Decomposition},
author = {Yujie Zhu and Jilu Jin and Xueqin Luo and Wenxing Yang and Zhong-Qiu Wang and Gongping Huang and Jingdong Chen and Jacob Benesty},
journal= {arXiv preprint arXiv:2510.24471},
year = {2025}
}