基于神经网络的虚拟麦克风估计器
音频与语音处理
2021-01-13 v1 机器学习
声音
摘要
由于许多设备的限制，开发适用于少量麦克风的话筒阵列技术十分重要。解决该问题的一种思路是虚拟地增加麦克风信号数量，例如基于若干物理模型假设。然而，此类假设在真实条件下未必成立。本文中，作为一种替代方法，我们提出了一种基于神经网络的虚拟麦克风估计器（NN-VME）。NN-VME 利用近期时域神经网络精确的估计能力，直接在时域估计虚拟麦克风信号。我们采用全监督学习框架，在训练时使用虚拟麦克风位置处的实际观测。因此，NN-VME 可仅利用多通道观测进行训练，从而直接在真实录音上训练，避免了对不现实物理模型假设的需求。在 CHiME-4 语料库上的实验表明，所提出的 NN-VME 即使对真实录音也实现了较高的虚拟麦克风估计性能，且由 NN-VME 增强的波束成形器同时改善了语音增强与识别性能。
引用
@article{arxiv.2101.04315,
title = {Neural Network-based Virtual Microphone Estimator},
author = {Tsubasa Ochiai and Marc Delcroix and Tomohiro Nakatani and Rintaro Ikeshita and Keisuke Kinoshita and Shoko Araki},
journal= {arXiv preprint arXiv:2101.04315},
year = {2021}
}
备注
5 pages, 2 figures, submitted to ICASSP 2021