论文翻译：2021_ICASSP 2021 ACOUSTIC ECHO CANCELLATION CHALLENGE: INTEGRATED ADAPTIVE ECHO CANCELLATION WI

Python微信订餐小程序课程视频

https://edu.csdn.net/course/detail/36074

Python实战量化交易理财系统

https://edu.csdn.net/course/detail/35475阅读目录

• 摘要：
• 1 引言
• 2 信号模型
• 3 拟议的框架
• 4 实验结果
• 5 结论
• 6 参考文献

论文地址：https://ieeexplore.ieee.org/abstract/document/9414462

ICASSP 2021声学回声消除挑战:结合时间对准的自适应回声消除和基于深度学习的残余回声加噪声抑制

回到顶部### 摘要：

本文描述了一种用于ICASSP 2021年声学回声消除挑战赛的三级声学回声消除和抑制框架。第一阶段采用分块频域自适应滤波，在不引入近端语音失真的情况下消除线性回声分量，并预先补偿远端参考信号与麦克风信号之间的时延。在第二阶段，提出了一种结合门控循环单元的深复杂U-Net来进一步抑制残余回声分量。在最后一阶段，训练一个极小的深度复杂U-Net来抑制在第二阶段没有被完全抑制的非语音残差分量，这也可以在不显著增加计算复杂度的情况下进一步增加回声损失增强(ERLE)。实验结果表明，所提出的三阶段框架在单讲和双讲场景下均能获得高于50dB的ERLE，在双讲场景下语音质量的感知评价可提高0.75左右。在MOS方面，该框架比AEC-Challenge基线ResRNN高出0.12点。

**关键字：**AEC挑战，声学回声消除，自适应滤波，深度学习，语音增强

回到顶部### 1 引言

考虑到2019冠状病毒(COVID-19)疫情导致大量实体会议变成虚拟会议，声学回声消除(AEC)对免提电话会议应用的重要性比以往任何时候都要高。在大多数情况下，假设声学回声路径是线性的，麦克风信号和远端参考信号之间的时延是有限的或事先知道的。在此假设下，利用传统的方法[1]可以有效地消去回声信号。然而，现有的线性声学回声消除算法的性能在许多实际应用中可能会被大大降低，因为时间延迟可能有一个很大的范围，即从0到600 ms,并且扬声器可能存在严重的非线性行为尤其是其输入信号大。此外，声学回声路径也可能是时变的，麦克风信号也可能包含一些环境噪声和混响的影响。对于实际的免提电话会议系统，上述所有问题都需要解决。

在过去的几十年里，为了提高自适应滤波算法的收敛速度，提高其对双语音[2]、[3]、[4]的鲁棒性，人们做了很多努力。在这些自适应滤波算法中，分块频域最小均方(PBFDLMS)算法在计算复杂度和算法时延之间具有良好的平衡，被ICASSP 2021 AEC挑战赛选用。在双讲情况下，为了减缓PBFDLMS算法的发散，在更新自适应滤波器系数[5]时，控制步长是很重要的。在这个挑战中，远端参考信号和麦克风信号之间的时间延迟可能非常大，即≥600ms。在这种情况下，还需要估计这个时间延迟，然后应该事先进行时间对齐，这样就可以避免使用数千个自适应滤波器系数来覆盖这个回放和记录延迟。

如果不进行后处理，可能会保留一些对电话会议系统有重大影响的残余回声分量。为此，许多研究人员在进一步抑制这些残余回声分量方面做了大量的工作。在实际应用中，当同时考虑环境噪声和残余回声时，需要对噪声和残余回声进行抑制。在过去的三十年中，已经提出了许多结合噪声和残余回声抑制的算法[6]，[7]。近年来，由于深度神经网络(DNN)在揭示输入和输出之间复杂非线性关系方面的强大能力，基于DNN的端到端AEC算法表现出了比无监督算法更好的性能[8,9,10]。然而，众所周知，在真实的声学环境中，由于测试和训练条件的不匹配，网络性能往往会出现明显的下降。在[11]中，实验结果表明，结合自适应滤波算法和深度学习算法可以解决AEC系统的鲁棒性，同时保持良好的回声消除性能，适用于实际应用。

针对这一AEC挑战，我们提出了一个三级声学回声消除和抑制框架，如图1所示。在第一阶段，选择PBFDLMS算法尽可能地消除线性回声分量，预先估计和补偿时延。在第二阶段，采用深度复杂的U-Net[12]与门控循环单元(DCGRUNet)集成，进一步抑制残余回声分量。最后，通过训练一个极小深度复杂U-Net (tiny DCUNet)来抑制非语音残差分量。