用于房间脉冲响应估计的变分物理模型

房间脉冲响应估计对于语音去混响等任务至关重要，而语音去混响能提升自动语音识别的性能。现有的大多数方法要么依赖于统计信号处理，要么依赖于旨在复现信号处理原理的深度神经网络。然而，将统计建模和物理建模相结合用于RIR估计在很大程度上仍未得到探索。本文提出了一种新颖的方法，通过一个理论扎实的模型将这两个方面整合起来。RIR被分解为可解释的参数：经频率相关指数衰减（例如，模拟墙壁吸收）滤波的白高斯噪声，以及一个自回归滤波器（例如，模拟麦克风响应）。一个变分自由能代价函数使得参数估计变得可行。作为概念验证，我们表明，给定干信号和混响语音信号，所提出的方法在噪声环境下优于经典的反卷积方法，这一点已通过客观指标得到验证。