面向全双工通信的个性化声学回声消除
声音
2022-07-01 v2 音频与语音处理
摘要
深度神经网络（DNNs）在声学回声消除（AEC）中已展现出有前景的结果。但基于 DNN 的 AEC 模型会让所有近端说话人（包括干扰语音）通过。鉴于近期关于个性化语音增强的研究，本文在全双工通信场景下探究个性化声学回声消除（PAEC）的可行性，其中背景噪声与干扰说话人可能与声学回声共存。具体而言，我们首先提出一种称为门控时间卷积神经网络（GTCNN）的新型骨干网络，其性能优于最先进的 AEC 模型。进一步采用 d-vectors 等说话人嵌入作为辅助信息，引导 GTCNN 聚焦于目标说话人。PAEC 中的一个特例是通话双方的语言片段均被注册。实验结果表明，来自近端或远端说话人的辅助信息均可改善基于 DNN 的 AEC 性能。然而，在有限维说话人嵌入的利用方面仍有很大改进空间。
引用
@article{arxiv.2205.15195,
title = {Personalized Acoustic Echo Cancellation for Full-duplex Communications},
author = {Shimin Zhang and Ziteng Wang and Yukai Ju and Yihui Fu and Yueyue Na and Qiang Fu and Lei Xie},
journal= {arXiv preprint arXiv:2205.15195},
year = {2022}
}
备注
submitted to INTERSPEECH 22