NeuralKalman：一种用于声学回声消除的可学习卡尔曼滤波器
音频与语音处理
2023-12-27 v3 声音
摘要
卡尔曼滤波器对双讲具有鲁棒性且收敛迅速，这使其成为解决声学回声消除（AEC）问题的常用方法。然而，无法对非线性建模以及需要调节控制参数，限制了此类自适应滤波算法。本文中，我们将频域卡尔曼滤波器（FDKF）与深度神经网络（DNNs）集成为一种称为 NeuralKalman 的混合方法，以结合深度学习与自适应滤波算法的优势。具体而言，我们采用 DNN 来估计 FDKF 算法状态方程中的非线性失真远端信号、转移因子以及非线性转移函数。实验结果表明，所提出的 NeuralKalman 显著提升了 FDKF 的性能，并优于强基线方法。
引用
@article{arxiv.2301.12363,
title = {NeuralKalman: A Learnable Kalman Filter for Acoustic Echo Cancellation},
author = {Yixuan Zhang and Meng Yu and Hao Zhang and Dong Yu and DeLiang Wang},
journal= {arXiv preprint arXiv:2301.12363},
year = {2023}
}
备注
The term of the algorithm is renamed because it conflicts with an existing KalmanNet algorithm proposed by Revach et. al. (arXiv:2107.10043); Accepted by ASRU 2023