基于深度与集成学习融合算法的语音去混响
声音
2018-02-20 v2 音频与语音处理
摘要
混响通常由来自墙壁、天花板和地面的声音反射引起，会导致声学应用的性能严重下降。由于衰减与时延效应的复杂组合，混响特性难以刻画，从混响语音中有效恢复无混响语音信号仍是一项具有挑战性的任务。在本研究中，我们提出了一种用于语音去混响的新型深度与集成学习融合算法（IDEA）。IDEA 由离线与在线两个阶段组成。在离线阶段，我们训练多个去混响模型，每个模型旨在精确去除特定声学环境下的语音混响；随后估计一个统一的融合函数，用于整合多个去混响模型的信息。在线阶段中，输入语音首先由各个去混响模型处理，所有模型的输出被相应整合以生成最终的无混响信号。我们在设计的声学环境下对 IDEA 进行了评估，包括训练与测试数据的匹配与不匹配条件。实验结果证实，所提出的 IDEA 优于具有相同模型架构和训练数据的单一基于深度神经网络的去混响模型。
引用
@article{arxiv.1801.04052,
title = {Speech Dereverberation Based on Integrated Deep and Ensemble Learning Algorithm},
author = {Wei-Jen Lee and Syu-Siang Wang and Fei Chen and Xugang Lu and Shao-Yi Chien and Yu Tsao},
journal= {arXiv preprint arXiv:1801.04052},
year = {2018}
}