基于级联幅度与复数掩码估计的联合回声消除与噪声抑制
声音
2021-07-21 v1 音频与语音处理
摘要
声学回声与背景噪声会严重降低语音可懂度。在实践中，回声与噪声抑制通常被视为两项独立任务，并可通过各种数字信号处理（DSP）与深度学习技术予以消除。本文提出一种新的级联模型——幅度与复数时间卷积神经网络（MC-TCN），在自适应滤波器辅助下联合执行声学回声消除与噪声抑制。MC-TCN 级联两个分离核心，分别用于提取鲁棒的幅度谱特征以及同时增强幅度与相位。实验结果表明，所提方法可实时去除回声与噪声，取得优异性能。在 DECMOS 方面，主观测试显示我们的方法平均得分为 4.41，优于 INTERSPEECH2021 AEC-Challenge 基线 0.54。
引用
@article{arxiv.2107.09298,
title = {Joint Echo Cancellation and Noise Suppression based on Cascaded Magnitude and Complex Mask Estimation},
author = {Xiaofeng Shu and Yehang Zhu and Yanjie Chen and Li Chen and Haohe Liu and Chuanzeng Huang and Yuxuan Wang},
journal= {arXiv preprint arXiv:2107.09298},
year = {2021}
}