基于多通道掩模的参考信道选择用于端到端多通道语音增强

在端到端多通道语音增强中，传统方法将一个麦克风信号指定为处理的参考信号，可能并不总能获得最佳结果。这种限制在大型分布式麦克风阵列（ microphone 阵列）或具有较小尺寸且高度定向的麦克风阵列中尤为突出，这些阵列中的说话人或麦克风位置随时间而变化。当前的基于掩模的方法通常在训练时固定参考信道，这使得无法根据需要动态选择参考信道以获得最佳性能。为此，我们提出一种选择最佳参考信道的自适应方法。我们的方法利用基于多通道掩模的方案，将多个掩模信号组合生成单个单通道输出信号。该增强信号随后用于损失计算，而参考干净语音根据最高比例不变信噪比（SI-SDR）进行调整。在 Spear 挑战模拟数据集 D4 上的实验结果表明，我们提出的方法优于使用固定参考信道进行单通道掩模的传统方法。