结合LSTM与ResNet的声学回声消除

doi:10.13873/J.1000-9787(2023)05-0029-04

Chinese

您当前的位置：

首页 >

文章列表页 >

结合LSTM与ResNet的声学回声消除

更新时间：2025-09-11

- 结合LSTM与ResNet的声学回声消除
- Issue 5, Pages: 29-32(2023)
- 作者机构：
  
  1. 江西理工大学信息工程学院
  2. 安克创新科技股份有限公司
  3. 朝阳聚声泰(信丰)科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2023)05-0029-04
  CLC： TN912;TP18
- Published：2023
- 稿件说明：
移动端阅览
[J]. 2023, (5): 29-32.
DOI：

[J]. 2023, (5): 29-32. DOI： 10.13873/J.1000-9787(2023)05-0029-04.

摘要

针对传统的声学回声消除(AEC)方法在双端讲话场景下较难实现快速收敛和动态自适应的问题，提出了一种结合长短时记忆(LSTM)与残差神经网络(ResNet)的AEC方法。通过使用LSTM和ResNet相结合的特征提取方法，同时提取到声学回声的时序特征和不同级别的抽象特征，且充分利用近端语音、近端麦克风语音和声学回声之间的幅度谱相似性的特点，引入它们之间的谱归一化互相关系数，构造了一种改进的理想二值掩蔽(iIBM)作为训练目标，此外引入深度可分离卷积使模型参数量减少了3.42 MB。实验结果表明：双端通话环境下所提出的方法相比参考算法取得了更高的客观评价得分。

Abstract

关键词

Keywords

references

FLGCNN: A novel fully convolutional neural network for end-to-end monaural speech enhancement with utterance-based objective functions[J]. Yuanyuan Zhu;Xu Xu;Zhongfu Ye.Applied Acoustics,2020

A novel approach to introducing adaptive filters based on the LMS algorithm and its variants.[J]. Emilio Soria-Olivas;Javier Calpe-Maravilla;Jonathon A. Chambers;Marcelino Martínez-Sober;Gustavo Camps-Valls;José David Martín-Guerrero.IEEE Trans. Education,2004

联合精确比值掩蔽与深度神经网络的单通道语音增强方法[J]. 柏浩钧;张天骐;刘鉴兴;叶绍鹏.声学学报,2022(03)

基于双通路CNN的端到端语音识别研究[J]. 胡黎;黄洪全;梁超;宋悦阳;陈延明.传感器与微系统,2021(11)

基于BLSTM神经网络的回声和噪声抑制算法[J]. 王冬霞;张伟;于玲;刘孟美.信号处理,2020(06)

基于HMM/SVM的抗噪语音特征提取及优化[J]. 李婉玲;张秋菊.传感器与微系统,2019(04)

基于TF-GSC的多通道后置滤波语音增强算法[J]. 马子骥;倪忠;余旭.传感器与微系统,2018(05)

Views

293

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于深度可分离卷积残差模块的抓取检测算法

基于Conv-Res-LSTM的空中手写数字识别

基于表面肌电信号的手部多关节角度预测算法

基于改进OpenPose的行人关节点检测算法

基于轻量化YOLOv4的火灾检测识别算法

Related Author

姜谱照

穆春阳

马行

平路静

姜辉

王昭发

刘伎昭

马金旭

Related Institution

北方民族大学电气信息工程学院

北方民族大学宁夏智能信息与大数据处理重点实验室

北方民族大学机电工程学院

中原工学院计算机学院

中原工学院河南省工业互联网安全大数据发展创新实验室

⁰