用于 L3DAS22 挑战赛的 PCG-AIID 系统：面向多通道语音增强与语音识别的 MIMO 与 MISO 卷积循环网络
音频与语音处理
2022-02-22 v1 声音
摘要
本文描述了用于 L3DAS22 挑战赛任务 1（办公室混响环境下的三维语音增强）的 PCG-AIID 系统。我们提出了一个两阶段框架来解决多通道语音去噪与去混响问题。在第一阶段，应用多输入多输出（MIMO）网络去除背景噪声，同时保持多通道信号的空间特性。在第二阶段，应用多输入单输出（MISO）网络增强来自期望方向的语音并进行后滤波。最终，我们的系统在 ICASSP2022 L3DAS22 挑战赛中排名第三，显著优于基线系统，同时在盲测试集上取得了 3.2% 的词错率（WER）和 0.972 的短时客观可懂度（STOI）。
引用
@article{arxiv.2202.10017,
title = {The PCG-AIID System for L3DAS22 Challenge: MIMO and MISO convolutional recurrent Network for Multi Channel Speech Enhancement and Speech Recognition},
author = {Jingdong Li and Yuanyuan Zhu and Dawei Luo and Yun Liu and Guohui Cui and Zhaoxia Li},
journal= {arXiv preprint arXiv:2202.10017},
year = {2022}
}
备注
To appear at ICASSP 2022 (Accepted)