基于 PercepNet 的低复杂度实时联合神经回声控制与语音增强
音频与语音处理
2021-02-11 v1
摘要
基于深度学习的语音增强算法已大幅超越传统方法，现正被考虑用于免提通信系统中的声学回声消除任务。由于现实约束（如扬声器非线性）以及部分通信系统计算能力有限，这是一个具有挑战性的问题。本工作中，我们提出一种结合传统声学回声消除器与基于混合信号处理/深度神经网络（DSP/DNN）方法的低复杂度联合残余回声与噪声抑制器的系统。我们表明，所提系统优于传统及其他神经方法，同时仅需 5.5% CPU 即可实时运行。我们进一步表明该系统可扩展至更低的复杂度水平。
引用
@article{arxiv.2102.05245,
title = {Low-Complexity, Real-Time Joint Neural Echo Control and Speech Enhancement Based On PercepNet},
author = {Jean-Marc Valin and Srikanth Tenneti and Karim Helwani and Umut Isik and Arvindh Krishnaswamy},
journal= {arXiv preprint arXiv:2102.05245},
year = {2021}
}
备注
Accepted for ICASSP 2021, 5 pages