VACE-WPE：基于神经网络的虚拟声道扩展用于加权预测误差语音去混响
音频与语音处理
2021-02-11 v1
摘要
语音去混响是诸多真实语音处理应用中的重要问题。在已发展的技术中，加权预测误差 (WPE) 算法已被广泛采用并在过去十年中不断改进，其从无混响麦克风信号混合中盲分离出晚期混响分量。在本研究中，我们将基于神经网络的虚拟声道扩展 (VACE) 框架扩展至基于 WPE 的语音去混响，该方法是 WPE 的一种变体，我们近期提出以在单麦克风语音去混响场景中启用双通道 WPE 算法。基于先前研究，就离线处理场景下 VACE-WPE 的构成部分进行了若干消融实验。这些研究有助于理解系统动态，从而简化架构并引出用于训练 VACE 神经网络的新策略。在含噪混响环境中的实验结果显示，VACE-WPE 在客观语音质量方面显著优于其单通道对应方法，且作为远场自动语音识别器前端时与单通道 WPE 互补。
引用
@article{arxiv.2102.05259,
title = {VACE-WPE: Virtual Acoustic Channel Expansion Based On Neural Networks for Weighted Prediction Error-Based Speech Dereverberation},
author = {Joon-Young Yang and Joon-Hyuk Chang},
journal= {arXiv preprint arXiv:2102.05259},
year = {2021}
}
备注
13 pages, 12 figures, 10 tables