I-DCCRN-VAE：面向单通道语音增强的改进深度表征学习框架
音频与语音处理
2026-02-03 v2
摘要
最近提出了一种基于 DCCRN 架构的复变变分自编码器（VAE）单通道语音增强系统。该系统中，噪声抑制 VAE（NSVAE）通过使用带有跳跃连接的预训练干净语音和噪声 VAE，从噪声语音中提取干净语音表征。本文通过引入三个关键修改来改进 DCCRN-VAE：1）移除预训练 VAE中的跳跃连接，以鼓励更具信息性的语音和噪声潜在表征；2）使用 -VAE 进行预训练，以更好地平衡重构和潜在空间正则化；3）NSVAE 生成两种语音和噪声潜在表征。实验表明，所提出的系统在匹配的 DNS3 数据集上表现与 DCCRN 和 DCCRN-VAE基线相当，但在不匹配数据集（WSJ0-QUT、Voicebank-DEMEND）上超越基线，显示出 improved 的泛化能力。此外，ablation 研究表明，使用经典微调而非对抗训练可实现类似性能， resulting in 更简单的训练管线。
引用
@article{arxiv.2510.12485,
title = {I-DCCRN-VAE: An Improved Deep Representation Learning Framework for Complex VAE-based Single-channel Speech Enhancement},
author = {Jiatong Li and Simon Doclo},
journal= {arXiv preprint arXiv:2510.12485},
year = {2026}
}
备注
Accepted by ICASSP2026