扩展自适应滤波优化器
声音
2024-03-05 v1 音频与语音处理
摘要
我们引入了一种名为监督多步自适应滤波器（SMS-AF）的新型在线自适应滤波方法。我们的方法使用神经网络来控制或优化线性多延迟或多通道频域滤波器，并且能够以增加计算量为代价灵活地扩展性能——这一特性在 AF 文献中鲜有涉及，但对许多应用至关重要。为此，我们通过一系列改进扩展了近期的工作，包括特征剪枝、监督损失以及每个时间帧的多次优化步骤。这些改进以协同的方式发挥作用，从而实现扩展。此外，我们展示了该方法与卡尔曼滤波和元自适应滤波的关系，使其能够无缝应用于各种 AF 任务。我们在声学回声消除（AEC）和多通道语音增强任务上评估了该方法，并在标准合成和真实世界数据集上与多个基线进行了比较。结果表明，我们方法的性能随推理成本和模型容量而扩展，在两项任务上均产生了多分贝的性能增益，并且能够在单个 CPU 核心上实现实时处理。
引用
@article{arxiv.2403.00977,
title = {Scaling Up Adaptive Filter Optimizers},
author = {Jonah Casebeer and Nicholas J. Bryan and Paris Smaragdis},
journal= {arXiv preprint arXiv:2403.00977},
year = {2024}
}