基于双讲检测的神经声学回声消除与波束成形联合方法

全双工通信系统中的声学回声消除（AEC）可消除声学反馈。然而，音频设备引起的非线性失真、背景噪声、混响以及双讲会降低传统 AEC 系统的效率。为此人们提出了若干混合 AEC 模型，其利用深度学习模型来抑制标准自适应滤波的残余回声。本文在我们先前提出的自注意力循环神经网络（RNN）波束成形器基础上，提出了基于深度学习的 AEC 与波束成形联合模型（JAECBF）。所提网络由两个模块组成：(i) 多通道神经 AEC，以及 (ii) 带有双讲检测（DTD）的联合 AEC-RNN 波束成形器，该检测计算时频（T-F）波束成形权重。我们以端到端方式训练所提模型，以消除来自远端音频设备（包含非线性失真）的背景噪声与回声。实验评估表明，所提网络在语音识别率和整体语音质量方面优于其他多通道 AEC 与去噪系统。