神经网络辅助估计先验语音存在概率的多通道降噪方法

来源：信号处理杂志 2024年第7期北京时间：

作者：雷菁, 王劲夫, 杨飞然, 杨军

摘要：噪声功率谱密度矩阵的估计在波束形成中非常关键。基于多通道语音存在概率（Multichannel Speech Presence Probability， MCSPP）估计噪声功率谱密度矩阵的方法，利用语音存在概率逐帧更新噪声功率谱密度矩阵。因此，语音存在概率的精度直接影响到噪声功率谱密度矩阵的估计精度。传统方法估计语音存在概率时依赖于噪声平稳假设。在变化较快的非平稳噪声上，估计的语音存在概率存在拖尾现象，这会导致降噪效果变差。本文从理论上解释了传统方法估计语音存在概率的拖尾现象成因。传统方法中语音存在概率由长期信噪比（Signal to Noise Ratio， SNR）线性映射得到，而本文证明当语音存在时当前时刻的长期信噪比仅为上一时刻长期信噪比的小幅衰减。当噪声快速变化时，长期信噪比变化缓慢，这导致语音存在概率出现拖尾现象。为解决该问题，本文提出了一种神经网络辅助估计先验语音存在概率的多通道降噪方法。所提方法利用时域卷积网络（Temporal Convolutional Network， TCN）来估计单通道观测信号的先验语音存在概率，而后利用多通道观测信号的空间信息来改善先验语音存在概率的估计。时域卷积网络估计先验语音存在概率不依赖于噪声的平稳假设，提升了噪声功率谱密度矩阵估计的精度。本文在CHiME-3数据集上进行测试，当SNR为5 dB时，所提方法取得的PESQ相比传统方法提升了0.09，fwSegSNR提升了0.78，COVL提升了0.08。结果表明，所提方法在非平稳噪声情况下能取得更好的降噪效果。

关键词：‍‍多通道降噪, 神经网络, 语音存在概率