基于 U-Net 的相位感知单阶段语音去噪与去混响
音频与语音处理
2020-06-02 v1 声音
摘要
在本工作中,我们以单阶段框架解决去噪与去混响问题。尽管去噪和去混响可视为两个独立的具有挑战性的任务,因而通常每个任务需要两个模块,但我们展示单个深度网络可共享以求解这两个问题。为此,我们提出一种称为相位感知 beta-sigmoid 掩码(PHM)的新掩码方法,该方法复用估计的幅度值,通过尊重混合、源与残余这三个信号分量在复数域中的三角不等式来估计干净相位。两个 PHM 用于处理直达与混响源,从而在推理时允许控制增强语音中混响的比例。此外,为提升语音增强性能,我们提出一种新的时域损失函数,并展示相比复数域中的 MSE 损失具有合理的性能增益。最后,为实现实时推理,提出了一种 U-Net 的优化策略,与朴素版本相比显著减少达 88.9% 的计算开销。
引用
@article{arxiv.2006.00687,
title = {Phase-aware Single-stage Speech Denoising and Dereverberation with U-Net},
author = {Hyeong-Seok Choi and Hoon Heo and Jie Hwan Lee and Kyogu Lee},
journal= {arXiv preprint arXiv:2006.00687},
year = {2020}
}
备注
5 pages, 3 figures, Submitted to Interspeech2020