基于 U-net 的直达路径主导性检验用于鲁棒波达方向估计
音频与语音处理
2020-08-04 v3
摘要
已注意到，识别由目标说话人直接传播贡献主导的时频单元可显著提升波达方向估计的鲁棒性。然而，正确提取直达路径声音具有挑战性，尤其在不利环境中。本文提出一种基于 U-net 的直达路径主导性检验方法。利用 U-net 架构的高效分割能力，可从专用的多任务神经网络中有效检索直达路径信息。此外，该神经网络的训练与推断仅需单个麦克风输入，规避了常见基于端到端深度学习的方法所面临的阵列结构依赖问题。仿真表明，在高混响和低信噪比环境下可实现显著更高的估计精度。
引用
@article{arxiv.2005.04376,
title = {U-net Based Direct-path Dominance Test for Robust Direction-of-arrival Estimation},
author = {Hao Wang and Kai Chen and Jing Lu},
journal= {arXiv preprint arXiv:2005.04376},
year = {2020}
}
备注
5 pages, 4 figures, 3 tables. submitted to INTERSPEECH 2020