NICE-Beam：用于时变波束形成器的神经集成协方差估计器
声音
2021-12-10 v1 音频与语音处理
摘要
估计波束形成算法的时变空间协方差矩阵是一项具有挑战性的任务，尤其对于可穿戴设备而言，因为算法必须补偿由快速姿态变化引起的时变信号统计特性。本文提出了用于波束形成器的神经集成协方差估计器，即 NICE-Beam。NICE-Beam 是一种学习如何估计时变空间协方差矩阵的通用技术，我们将其应用于联合语音增强和去混响。它基于训练一个神经网络模块，以非线性方式跟踪并利用跨时间的场景信息。我们将该方案集成到波束形成流水线中，实现了简单的训练、快于实时的推理以及多种测试时自适应选项。我们在麦克风静止和移动的场景中，将所提模型与一系列基线方法进行了评估。结果表明，尽管手工调优的估计器使用了预言源分离知识，但所提方法仍能优于该估计器。
引用
@article{arxiv.2112.04613,
title = {NICE-Beam: Neural Integrated Covariance Estimators for Time-Varying Beamformers},
author = {Jonah Casebeer and Jacob Donley and Daniel Wong and Buye Xu and Anurag Kumar},
journal= {arXiv preprint arXiv:2112.04613},
year = {2021}
}