How can cross-domain learning enhance acoustic echo cancellation in 2021?

本文共计7026个文字，预计阅读时间需要29分钟。

论文地址：https://graz.pure.elsevier.com/en/publications/acoustic-echo-cancellation-with-cross-domain-learning

摘要：本文提出了一种具有跨域学习的声学回声消除方法。主要内容包括：提出了一种跨域声学回声控制器（CDEC），并提交至Interspeech 2020。

论文地址：graz.pure.elsevier.com/en/publications/acoustic-echo-cancellation-with-cross-domain-learning

具有跨域学习的声学回声消除 摘要：

　　本文提出了跨域回声控制器（CDEC），提交给 Interspeech 2021 AEC-Challenge。该算法由三个构建块组成：(i) 时延补偿 (TDC) 模块，(ii) 基于频域块的声学回声消除器 (AEC)，以及 (iii) 时域神经网络 (TD-NN)用作后处理器。我们的系统获得了 3.80 的整体 MOS 分数，而在 32 毫秒的系统延迟下仅使用了 210 万个参数。

关键字：声学回声消除、神经网络、残余回声消除

1 引言

　　回声消除 (AEC) 在当今的 VoIP 语音通信和视频会议系统中发挥着重要作用。由于室内声学，在扬声器和耳机麦克风、听筒或任何其他用于语音通信的音频硬件之间会出现回声。根据房间的混响时间，声学回声可能会非常突出，甚至会显着降低语音清晰度和语音质量 [1]。这在免提场景中尤其是一个问题 [2]。