PercepNet+：一种相位与SNR感知的PercepNet用于实时语音增强
音频与语音处理
2022-03-07 v1 声音
摘要
PercepNet是RNNoise（一种高效、高质量且实时的全带语音增强技术）的最新扩展，在各种公开深度噪声抑制任务中展现出良好性能。本文提出一种名为PercepNet+的新方法，通过四项重要改进进一步扩展PercepNet。首先，我们引入相位感知结构，将相位信息融入PercepNet，具体为添加复数特征作为深度网络输入、复数子带增益作为输出。其次，专门设计了信噪比（SNR）估计器和SNR切换后处理，以缓解原始PercepNet在高SNR条件下出现的过度衰减（OA）。此外，将GRU层替换为TF-GRU以建模时频双重依赖。最后，我们提出以多目标学习方式整合复数子带增益、SNR、基音滤波强度及OA损失，以进一步提升语音增强性能。实验结果表明，所提PercepNet+在PESQ和STOI上均显著优于原始PercepNet，且未过度增加模型尺寸。
引用
@article{arxiv.2203.02263,
title = {PercepNet+: A Phase and SNR Aware PercepNet for Real-Time Speech Enhancement},
author = {Xiaofeng Ge and Jiangyu Han and Yanhua Long and Haixin Guan},
journal= {arXiv preprint arXiv:2203.02263},
year = {2022}
}
备注
This article was submitted to Interspeech 2022