利用强化学习使语音增强适应瞬时输入信号质量
机器学习
2018-07-30 v2
摘要
如今，现有的抑噪算法（无论是数据驱动的还是基于经典统计方法的）的最佳性能都局限于特定水平的瞬时输入信噪比。本文提出一种新方法，以提高此类算法的自适应能力，使其能在广泛的输入信号和噪声类型下稳健地工作。我们的方法基于通过强化学习对算法参数进行动态控制。具体而言，我们将抑噪模块建模为一个黑箱，除来自输出的简单反馈外，不需要了解算法机制。我们将该反馈用作强化学习智能体的奖励信号，该智能体学习一种策略，为每一 incoming 音频帧（16 ms 数据）调整算法参数。我们的初步结果表明，这种控制机制能显著提升底层抑噪算法的整体性能；与无自适应相比，输出 SNR 和 MSE 分别提高了 42% 和 16%。
引用
@article{arxiv.1711.10791,
title = {Reinforcement Learning To Adapt Speech Enhancement to Instantaneous Input Signal Quality},
author = {Rasool Fakoor and Xiaodong He and Ivan Tashev and Shuayb Zarar},
journal= {arXiv preprint arXiv:1711.10791},
year = {2018}
}
备注
NIPS 2017, Machine Learning for Audio Signal Processing workshop