基于多 DNN 的频率分 bin 级单通道语音存在概率估计
音频与语音处理
2023-02-24 v1 声音
摘要
本文中，我们提出一种在短时傅里叶变换域中使用多个深度神经网络（DNN）估计单通道语音存在概率（SPP）的频率分 bin 级方法。由于传统基于 DNN 的 SPP 估计器通常将所有频率 bin 同时作为 input 特征，高模型复杂度不可避免。为降低模型复杂度及对训练数据的要求，我们考虑单个频率 bin 及其部分相邻频率 bin 来训练分离的门控循环单元。此外，利用带噪语音与后验概率 SPP 表示来训练我们的模型。实验在 Deep Noise Suppression 挑战数据集上执行。实验结果表明，采用频率分 bin 级模型可提升语音检测准确率。最后，我们还证明所提方法在语音检测准确率与模型复杂度方面优于大多数最先进的 SPP 估计方法。
引用
@article{arxiv.2302.12048,
title = {Frequency bin-wise single channel speech presence probability estimation using multiple DNNs},
author = {Shuai Tao and Himavanth Reddy and Jesper Rindom Jensen and Mads Græsbøll Christensen},
journal= {arXiv preprint arXiv:2302.12048},
year = {2023}
}
备注
Accepted for ICASSP 2023