基于独立深度学习矩阵分析通过噪声自监督秩约束空间协方差矩阵估计的语音增强
声音
2021-09-13 v1 音频与语音处理
摘要
秩约束空间协方差矩阵估计（RCSCME）是一种用于处理方向性目标语音与扩散噪声混合情况的方法。在传统 RCSCME 中，独立低秩矩阵分析（ILRMA）被用作预处理方法。我们提出使用独立深度学习矩阵分析（IDLMA）的 RCSCME，IDLMA 是 ILRMA 的监督扩展。在该方法中，IDLMA 需要深度神经网络（DNN）来分离目标语音与噪声。我们在 IDLMA 中使用 Denoiser（一种单通道语音增强 DNN）来估计目标语音和噪声。我们还提出了噪声自监督 RCSCME，其中我们利用 Denoiser 的输出估计纯噪声时间间隔，并为 RCSCME 设计噪声空间协方差矩阵的先验分布。我们证实，在多种噪声条件下，所提方法优于传统方法。
关键词
引用
@article{arxiv.2109.04658,
title = {Speech Enhancement by Noise Self-Supervised Rank-Constrained Spatial Covariance Matrix Estimation via Independent Deeply Learned Matrix Analysis},
author = {Sota Misawa and Norihiro Takamune and Tomohiko Nakamura and Daichi Kitamura and Hiroshi Saruwatari and Masakazu Une and Shoji Makino},
journal= {arXiv preprint arXiv:2109.04658},
year = {2021}
}
备注
accepted for APSIPA2021