基于加权递归最小二乘滤波与神经网络的残差回声抑制用于 AEC-Challenge
声音
2021-02-19 v2 音频与语音处理
摘要
本文提出一种提交至 AEC-Challenge 的实时声学回声消除（AEC）算法。该算法由三个模块组成：基于广义互相关相位变换（GCC-PHAT）的时延补偿、基于加权递归最小二乘（wRLS）的线性自适应滤波，以及基于神经网络的残差回声抑制。wRLS 滤波器源于一种新颖的半盲源分离视角。神经网络模型基于对齐的参考信号与线性滤波器输出预测相位敏感掩码（PSM）。该算法在 AEC-Challenge 中取得 4.00 的平均主观评分并排名第二。
引用
@article{arxiv.2102.08551,
title = {Weighted Recursive Least Square Filter and Neural Network based Residual Echo Suppression for the AEC-Challenge},
author = {Ziteng Wang and Yueyue Na and Zhang Liu and Biao Tian and Qiang Fu},
journal= {arXiv preprint arXiv:2102.08551},
year = {2021}
}
备注
5 pages, 2 figures, accepted by ICASSP 2021