S-DCCRN：具有可学习复特征用于语音增强的超宽带 DCCRN

在语音增强中，复神经网络因在处理复值谱方面的有效性而展现出良好性能。近期多数语音增强方法主要关注采样率为 16K Hz 的宽带信号。然而，由于建模更多频带尤其是高频分量的困难，针对超宽带（如 32K Hz）甚至全带（48K）去噪的研究仍然缺乏。本文中，我们将之前的深度复卷积循环神经网络（DCCRN）大幅扩展为超宽带版本——S-DCCRN，以对 32K Hz 采样率的语音进行去噪。我们首先采用级联子带与全带处理模块，其由两个小尺寸 DCCRN 组成——一个作用于子带信号，一个作用于全带信号，旨在同时利用局部与全局频率信息。此外，我们不使用简单的 STFT 特征作为输入，而是使用以端到端方式训练的复特征编码器来精炼不同频带的信息。我们还使用复特征解码器将特征还原至时频域。最后，采用可学习的谱压缩方法来调整不同频带的能量，利于神经网络学习。所提模型 S-DCCRN 已超越 PercepNet 及若干竞争模型，在语音质量与可懂度方面达到最先进性能。消融研究也证实了各改进点的有效性。