用于声学回声消除的多尺度注意力神经网络
声音
2021-06-02 v1 音频与语音处理
摘要
声学回声消除（AEC）通过抑制麦克风接收到的由扬声器声学混响引入的回声，在语音交互中发挥关键作用。由于线性自适应滤波器（AF）的性能在真实场景中会因非线性失真、背景噪声和麦克风削波而严重退化，深度学习因其良好的非线性建模能力已被用于 AEC。本文构建了一种端到端的多尺度注意力神经网络用于 AEC。首先使用时域卷积将波形变换为频谱图。远端参考和近端混合的频谱图被拼接，并输入到具有堆叠膨胀卷积层的时间卷积网络（TCN）。在这些来自不同层的表示之间执行注意力机制，通过参考编码器长短期记忆（LSTM）单元中的先前隐藏状态来自适应提取相关特征。表示被加权平均并送入编码器 LSTM 以估计近端语音。实验表明，在背景噪声和非线性失真场景下，我们的方法在单讲时段的回声返回损耗增强（ERLE）和双讲时段的语音质量感知评估（PESQ）分数方面具有优越性。
引用
@article{arxiv.2106.00010,
title = {Multi-Scale Attention Neural Network for Acoustic Echo Cancellation},
author = {Lu Ma and Song Yang and Yaguang Gong and Zhongqin Wu},
journal= {arXiv preprint arXiv:2106.00010},
year = {2021}
}
备注
5 pages, 3 figures, 4 tables. arXiv admin note: substantial text overlap with arXiv:2105.14666