基于并行序列建模的幅度和相位感知语音增强
音频与语音处理
2023-10-12 v1
摘要
在语音增强（SE）中，相位估计对感知质量十分重要，因此许多方法以干净语音的复数短时傅里叶变换（STFT）谱或复数理想比率掩码（cIRM）作为学习目标。为预测这些复数目标，常见方案是设计复数神经网络，或使用实数网络分别预测目标的实部和虚部。但在本文中，我们提出使用实数网络估计幅度掩码和归一化 cIRM，这不仅避免了复数网络带来的模型复杂度显著增加，还展现出优于以往相位估计方法的性能。同时，我们设计了一个并行序列建模（PSM）块来改进基于卷积循环网络（CRN）的 SE 模型中的 RNN 块。我们将所提方法命名为基于幅度和相位感知及 PSM 的 CRN（MPCRN）。实验结果表明，我们的 MPCRN 具有更优的 SE 性能。
引用
@article{arxiv.2310.07316,
title = {Magnitude-and-phase-aware Speech Enhancement with Parallel Sequence Modeling},
author = {Yuewei Zhang and Huanbin Zou and Jie Zhu},
journal= {arXiv preprint arXiv:2310.07316},
year = {2023}
}
备注
Accepted by ASRU 2023