用于目标语音分离的多通道多帧ADL-MVDR方法
音频与语音处理
2021-11-17 v2 声音
摘要
许多纯神经网络语音分离方法被提出以提升客观评估分数，但它们常引入对现代自动语音识别（ASR）系统有害的非线性失真。最小方差无失真响应（MVDR）滤波器常被采用以消除非线性失真，然而传统的基于神经掩码的 MVDR 系统仍导致相对较高的残留噪声水平。此外，MVDR 解中涉及的矩阵求逆在与神经网络联合训练时有时数值不稳定。在本研究中，我们提出一种用于目标语音分离的多通道多帧（MCMF）全深度学习（ADL）-MVDR 方法，其扩展了我们初步的多通道 ADL-MVDR 方法。所提出的 MCMF ADL-MVDR 系统处理了线性与非线性失真。时空互相关性也在所提方法中被充分利用。所提系统使用普通话视听语料库进行评估，并与几种最先进的方法进行比较。实验结果证明了我们所提系统在不同场景及多个客观评估指标（包括 ASR 性能）下的优越性。
引用
@article{arxiv.2012.13442,
title = {Multi-channel Multi-frame ADL-MVDR for Target Speech Separation},
author = {Zhuohuang Zhang and Yong Xu and Meng Yu and Shi-Xiong Zhang and Lianwu Chen and Donald S. Williamson and Dong Yu},
journal= {arXiv preprint arXiv:2012.13442},
year = {2021}
}
备注
Accepted by IEEE/ACM Transactions on Audio, Speech, and Language Processing (TASLP); Demos available at https://zzhang68.github.io/mcmf-adl-mvdr/