MIMO-DBnet：用于语音分离的多通道输入多输出波达方向感知波束形成网络
音频与语音处理
2022-12-08 v1 机器学习
声音
摘要
近年来，许多基于深度学习的波束形成器被提出用于多通道语音分离。然而，它们大多依赖于预先已知的额外线索，如说话人特征、人脸图像或方向信息。本文提出一种仅给定混合信号、用于方向引导语音分离的端到端波束形成网络，即 MIMO-DBnet。具体而言，我们设计了一种多通道输入多输出的架构，以预测每个声源的波达方向嵌入与波束形成权重。精确估计的方向嵌入为神经波束形成器提供了非常有效的空间判别引导，以抵消相位卷绕的影响，从而允许更准确地重建两个声源的语音信号。实验表明，我们提出的 MIMO-DBnet 不仅相比基线系统取得了全面可观的提升，而且在发生相位卷绕时仍能保持高频段的性能。
引用
@article{arxiv.2212.03401,
title = {MIMO-DBnet: Multi-channel Input and Multiple Outputs DOA-aware Beamforming Network for Speech Separation},
author = {Yanjie Fu and Haoran Yin and Meng Ge and Longbiao Wang and Gaoyan Zhang and Jianwu Dang and Chengyun Deng and Fei Wang},
journal= {arXiv preprint arXiv:2212.03401},
year = {2022}
}
备注
Submitted to ICASSP 2023