基于深度学习的多通道与多麦克风声学回声消除
音频与语音处理
2021-03-04 v1 声音
摘要
在单扬声器（单通道）与单麦克风设置下基于深度学习的声学回声消除（AEC）基础上，本文研究多通道 AEC（MCAEC）与多麦克风 AEC（MMAEC）。我们训练深度神经网络（DNN）以远端信号作为附加信息，从麦克风信号中预测近端语音。我们发现深度学习方法避免了传统 MCAEC 算法中的非唯一性问题。对于多麦克风 AEC 设置，不再对每个麦克风单独使用 AEC，而是训练单个 DNN 实现对所有麦克风的回声消除。此外，将基于深度学习的 AEC 与基于深度学习的波束成形结合进一步提升了系统性能。实验结果表明，基于双向长短期记忆（BLSTM）和卷积循环网络（CRN）的方法对 MCAEC 与 MMAEC 均有效。而且，基于深度学习的方法能够同时消除回声与噪声，并在存在非线性失真时表现良好。
引用
@article{arxiv.2103.02552,
title = {Multi-Channel and Multi-Microphone Acoustic Echo Cancellation Using A Deep Learning Based Approach},
author = {Hao Zhang and DeLiang Wang},
journal= {arXiv preprint arXiv:2103.02552},
year = {2021}
}