Sep, 2019

FaSNet：适应性低延迟波束成形技术在多麦克风音频处理中的应用

PDF
TL;DR提出了一种适用于低延迟场景的时域、基于过滤的波束成形方法 ——FaSNet，该方法可在含噪声和混响语音增强中表现出色，同时还可在 CHiME-3 数据集上通过训练基于频域目标函数的 FaSNet 模型实现与基准模型相比的相对字错误率降低 14.3%。
发现论文，激发创造
  • 统一多通道远场语音识别系统：将神经波束形成与基于注意力的端到端模型结合

    我们提出了一种统一的多通道远场语音识别系统，结合了神经波束成形和基于 Transformer 的 Listen，Spell，Attend（LAS）语音识别系统，进一步扩展了端到端语音识别系统以包含语音增强，并通过共同训练来优化最终目标。

    Jan, 2024

  • 具有移动音频流网络的高效低延迟语音增强

    提出了适用于移动设备和计算能力受限应用的移动音频流网络 (MASnet)，用于有效的低延迟语音增强。MASnet 将连续的嘈杂帧转换为复值比率掩码，然后将其应用于相应的嘈杂帧。与类似的全卷积架构相比，MASnet 采用了深度和点卷积，大大减少了每秒融合乘累加运算次数 (FMA/s)，但牺牲了一些信噪比。

    Aug, 2020

  • 端到端麦克风排列和数量不变多通道语音分离

    本文提出 transform-average-concatenate (TAC) 一种简单的设计范式来进行通道置换和数量不变的多通道音频分离，并基于最近提出的端到端深度学习模型 FaSNet 来展示 TAC 如何显著提高在各种噪声和混响环境下的不同麦克风数量的音频分离任务中的性能。

    Oct, 2019

  • FullSubNet+：利用复数谱的通道注意力 FullSubNet 进行说话增强

    本文提出了一种扩展的单通道实时语音增强框架 FullSubNet+，采用了轻量级多尺度时间敏感通道注意力 MulCA 模块、全幅值、实部与虚部谱图作为输入以充分利用噪声语音中的相位信息、以及用时序卷积网络块（TCN）替换原先的长短期记忆层的全幅模型，其在 DNS 挑战数据集中表现优越，达到了最先进的性能并优于其他现有语音增强方法。

    Mar, 2022

  • 用于 MISO 下行波束形成优化的深度学习框架

    本文提出了一种基于深度学习框架和专家知识的下行波束成形优化方法，构建了三个波束成形神经网络用于三种典型优化问题，并在模拟结果中表明该方法具有较快的实现速度和显著降低的计算复杂度。

    Jan, 2019

  • 面向高效子阵列混合波束成形：基于注意力网络的 FDD 大规模 MU-MIMO 系统实用反馈

    本文介绍了一种联合优化的网络，用于信道估计和反馈，以学习光谱效率波束形成器。同时，应用了部署友好型子阵混合波束形成架构，并特别设计了实用的轻量级端到端网络。实验证明，与仅具有轻微性能损失的先前现有技术方法相比，所提出的网络在资源敏感的用户设备上更轻了 10 倍以上。

    Feb, 2023

  • PickNet: 适用于 Ad Hoc 麦克风阵列的实时通道选择

    PickNet 是一种神经网络模型，用于实时选择移动设备麦克风阵列中空闲的麦克风，以提高语音识别时的准确性，并在实验中获得了显著的词错误率降低。

    Jan, 2022

  • 使用深度学习进行大规模天线阵列的波束成形设计

    该研究提出了一种基于深度学习的射束成形网络（BFNN）来最大化光谱效率的设计方法，该方法针对大规模天线阵列、有限的射频链路和相移器的模拟设计，能够有效处理不完善的信道状态信息问题，该方法的仿真结果表明其性能明显优于传统方法。

    Apr, 2019

  • MISO 下行系统的鲁棒波束成形学习

    本研究提出了一种基于深度神经网络的训练算法，能够在多用户系统中，仅基于部分自适应通道状态信息的不完全观测，提供有效鲁棒的波束成形方案。

    Mar, 2021

  • 基于深度主动学习的自适应毫米波初始对准波束成形

    本文使用深度学习方法解决毫米波环境下单路径通道中的自适应和序列波束形成设计问题，通过设计一个新颖的深度神经网络，根据基站已有的信息并逐步设计适应性感知矢量，以学习主路径角度到达（AOA）。结果表明，与现有的自适应和非自适应波束形成方案相比，该神经网络具有显著更好的 AOA 获取性能。

    Dec, 2020