用于提升助听器超低延迟低复杂度多通道语音增强的低比特率双耳链路
音频与语音处理
2023-07-19 v1
摘要
助听器中的语音增强是一项具有挑战性的任务，因为硬件限制了可能的操作数量，且延迟需要仅在几毫秒范围内。我们提出了一种与这些限制兼容的深度学习模型，称之为组通信滤波求和网络（Group-Communication Filter-and-Sum Network, GCFSnet）。GCFSnet是一种因果的多输入单输出增强模型，在时频域使用滤波求和处理以及多帧深度后滤波器。所有滤波器均为复值，并由深度学习模型通过组通信（Group Communication）的权值共享和量化感知训练进行估计，以减小模型尺寸和计算占用。为了进一步提升性能，提出了一种用于延迟双耳特征的低比特率双耳链路，以在保持2ms延迟的同时利用双耳信息。即使在非低延迟配置下的预言双耳LCMV波束形成器的性能，也可由GCFSnet的单侧配置在客观指标方面匹配。
引用
@article{arxiv.2307.08858,
title = {Low bit rate binaural link for improved ultra low-latency low-complexity multichannel speech enhancement in Hearing Aids},
author = {Nils L. Westhausen and Bernd T. Meyer},
journal= {arXiv preprint arXiv:2307.08858},
year = {2023}
}
备注
Accepted at WASPAA 2023