【语音增强论文解读04】DCCRN+: Channel-wise Subband DCCRN with SNR Estimation for SpeechEnhancement

作者：Shubo Lv, Yanxin Hu, Shimin Zhang, Lei Xie

文末附文章地址和开源代码地址

1.动机

        对DCCRN做了进一步的更新（有不了解DCCRN的小伙伴可以看我先前的文展）。

2.方法

        1.将模型扩展到子带处理。

        2.用TF-LSTM代替LSTM。

        3.使用卷积块聚合编码器的输出，然后再送到解码器。

        4.为解码器制定一个先验SNR估计模块，再去除噪声的同时保持良好的语音质量。

        5.最后采用post-processing模块进一步抑制不自然的残余噪声。

3.网络架构

        DCCRN+的整体网络架构如下图所示：

        总体结构与DCCRN类似，但有以下区别：

        1.在编码器/解码器之前/之后使用拆分/合并模块进行子带处理。

        2) 用于频率和时间尺度时间建模的复杂 TF-LSTM。

        3）在馈送到解码器之前，添加Convolution Pathway以更好地聚合来自编码器输出的信息。

        4）增加SNR估计模块，以减轻噪声抑制过程中的语音失真。

        5）Post-processing以进一步去除残余噪声。

3.1 TF-LSTM模块

        TF-LSTM模块设计如下图：