神经卡尔曼滤波器用于声学回声消除
音频与语音处理
2025-01-29 v1 声音
摘要
卡尔曼滤波是信号处理中各种问题的自适应滤波的强大方法。基于声学状态空间概念的频域自适应卡尔曼滤波器（FDKF），提供了自适应滤波更新及相关步长控制的统一解决方案。它为声学回声消除问题而构思，因此经常应用于免提系统中。本文出于动机并简要回顾了线性FDKF，进而研究如何通过深度神经网络（DNN）以 various 方式进一步支持它，具体为克服通常需要估计卡尔曼滤波器过程噪声和观测噪声协方差的挑战和限制。虽然单纯的FDKF具有极低的计算复杂度，但其神经卡尔曼滤波器变体可能实现更快的（重新）收敛，更好的回声消除，甚至在线性和非线性扬声器条件下超过FDKF在出色的双向说话近端语音保留方面的表现。为提供现状概述，本文贡献了对同一训练框架中使用相同数据的一系列DNN-based FDKF扩展的比较。
引用
@article{arxiv.2501.16367,
title = {Neural Kalman Filters for Acoustic Echo Cancellation},
author = {Ernst Seidel and Gerald Enzner and Pejman Mowlaee and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2501.16367},
year = {2025}
}
备注
Published in IEEE Signal Processing Magazine: Special Issue On Model-Based and Data-Driven Audio Signal Processing