本文基于扩散模型和条件生成方法，应用神经网络和测量一致性准则，提出了一种针对单通道混响声音的去混响方法，能够更好地处理非稳态噪声和大混响时间，同时增加了一种盲去混响方法，实现了音频信号的复原和提取。

Jun, 2023

本文介绍一种从混响环境中获取一定数量的训练音频数据，并利用这些数据以及其他可用非混响音频数据来消除混响噪声的方法。利用长时间窗口计算傅里叶变换，将房间产生的卷积转换为频率域的加法，并通过采集混响和干净音频数据的统计信息计算出一种用于规范化音频信号的向量，以解决相同混响条件下的抗混响问题。

Sep, 2022

本文研究了如何在没有足够的先验信息的情况下对反射混响录音环境的盲信号分离进行建模，提出了四种特定的协方差模型，并提出了一系列的迭代 EM 算法来估计每个模型的参数，并提出了合适的程序来初始化参数并根据它们的 DOA 在所有频率桶中对估计的源的顺序进行对齐。实验结果表明了所提方法的有效性。

Dec, 2009

本文介绍了 UnDiff，一种扩散概率模型，能够解决各种语音反问题，并可以应用于条件不同的任务，如降级反演、神经声波编解码和语音来源分离等。首先，我们比较了不同的神经架构和预处理方法来解决无条件波形生成的难题，并通过最新的扩散模型后处理技术演示了如何将无条件扩散模型应用于语音处理中的不同任务。最终，在带宽扩展、去剪辑、声学编解码和语音来源分离等任务上展示了所提出的技术的性能，并与基线进行比较。

Jun, 2023

本文提出了一种新的无监督算法损失函数，称为混响作为监督（RAS），使用两个信道的混合信号，训练神经网络以分离源，并通过维纳滤波器来评估所分离出的混响信号。实验结果表明，相对于只使用已标注数据和使用完整数据的有监督算法，本方法在只有 5% 到 10% 的标注数据时可以获得可观的性能优越性。

Nov, 2022

使用扩散模型解决逆问题是一个增长迅速的研究领域。我们设计了一种基于期望最大化（EM）估计方法和扩散模型的算法，通过近似计算扩散模型的样本绘制的逆问题的期望对数似然，以及最大化步骤来估计未知的模型参数。我们还引入了一种基于 Plug & Play 去噪器的新型模糊核正则化方法。通过对盲目图像去模糊进行广泛实验证明了我们的方法与其他最先进方法相比的有效性。

Sep, 2023

通过使用多个数据库来模拟不匹配的声学条件，我们系统评估了基于扩散模型的语音增强模型的泛化性能，并表明在匹配和不匹配条件下，所提出的系统相比最先进的判别模型在性能上更优。我们还发现，在语音增强中，基于 Heun 的采样器以较小的计算成本实现了更好的性能。

Dec, 2023

通过自回归（AR）模型在子带语音信号的频域中分离包络和载波部分，提出了一种改善语音质量和 ASR 性能的语音去混响统一框架，设计了基于双路径长短期记忆（DPLSTM）模型的神经网络结构，实现改善了子带包络和载波组件，进一步通过联合学习网络权重来优化 ASR 性能，该方法在 REVERB 挑战数据集和 VOiCES 数据集上相较基线系统以及其他去混响基准方法显示出显著的性能改善（基线系统上相对提升率为 10-24%），主观听测试进一步突显了音频还原质量的提升。

Sep, 2023

最近，条件评分驱动扩散模型在监督式语音增强领域引起了显著关注，取得了最先进的性能。然而，这些方法在泛化到未见条件时可能面临挑战。为了解决这个问题，我们引入了一种在无监督方式下操作、利用扩散模型的生成能力的替代方法。具体而言，训练阶段，在短时傅里叶变换（STFT）领域中使用评分驱动扩散模型学习了干净语音的先验分布，使其能够从高斯噪声中无条件地生成干净语音。然后，我们开发了一种通过将学习的干净语音先验与噪声模型结合起来进行语音增强的后验采样方法。噪声参数通过迭代的期望最大化（EM）方法与干净语音估计同时学习。据我们所知，这是第一个探索基于扩散的生成模型用于无监督语音增强的工作，与最近的变分自编码器（VAE）无监督方法和最先进的基于扩散的监督方法相比，取得了有希望的结果。因此，它为未来的无监督语音增强研究开辟了新的方向。

Sep, 2023

本研究提出了一种基于生成敌对网络（GAN）的结构，通过编码反射语音中的 RIR 特征并构建 RIR，使用新颖的能量衰减缓解损失来优化模型，从而提高自动语音识别（ASR）系统的性能，实验证明该模型在声学基准测试和 ASR 评估任务中都比现有模型表现更好。

Nov, 2022