改进多通道目标语音提取中的通道去相关
音频与语音处理
2021-06-08 v1
摘要
目标语音提取引起了广泛关注。当可用麦克风阵列时,额外的空间信息有助于提取目标语音。我们最近提出了一种通道去相关(CD)机制,以提取通道间差分信息来增强参考通道编码器表示。尽管所提机制在从混合信号中提取目标语音方面显示出有前景的结果,但提取性能仍受原始去相关理论本质的限制。在本文中,我们提出两种方法拓宽原始通道去相关的视野,即替换编码器表示间基于 softmax 的通道间相似性,在维度级别使用展开概率和基于归一化余弦的相似性。此外,还研究了基于 CD 的空间信息与并行编码器输出的目标说话人自适应的新组合策略。在混响 WSJ0 2-mix 上的实验表明,改进的 CD 可产生更具判别性的差分信息,且新的自适应策略对改进目标语音提取也非常有效。
引用
@article{arxiv.2106.03113,
title = {Improving Channel Decorrelation for Multi-Channel Target Speech Extraction},
author = {Jiangyu Han and Wei Rao and Yannan Wang and Yanhua Long},
journal= {arXiv preprint arXiv:2106.03113},
year = {2021}
}
备注
accepted to Interspeech 2021. arXiv admin note: text overlap with arXiv:2010.09191