论文地址：https: indico .conference me.psnc.pl event contributions attachments Thu .pdf 利用循环神经网络抑制非线性残差回声 摘要 免提通信设备的声学前端会对扬声器和麦克风之间的线性回声路径带来各种失真。虽然放大器可能会引入一个无记忆的非线性，但从扬声器通过设备外壳传递到麦克风的机械振动会引起记忆的非线性，这很难弥补。这些 ...
2022-01-11 10:11 0 754 推荐指数：
论文地址：基于高效多任务卷积神经网络的残余声回波抑制 摘要 回声会降低语音通信系统的用户体验，因此需要完全抑制。提出了一种利用卷积神经网络实现实时残余声回波抑制的方法。在多任务学习的背景下，采用双语音检测器作为辅助任务来提高RAES的性能。该训练准则基于一种新的损失函数，我们称之为抑制 ...
recurrent neural network for end-to-end speech enhan ...
论文地址：双路信号变换LSTM网络的实时噪声抑制 论文代码：https：//github.com/breizhn/DTLN 引用格式：Westhausen N L, Meyer B T. Dual-signal transformation LSTM network ...
A Convolutional Recurrent Neural Network for Real-Time Speech ...
论文地址：DCCRN：用于相位感知语音增强的深度复杂卷积循环网络 论文代码：https://paperswithcode.com/paper/dccrn-deep-complex-convolution-recurrent-1 引用：Hu Y，Liu Y，Lv S，et al. ...
下面的RNN，LSTM，GRU模型图来自这里 简单的综述 1. RNN 图1.1 标准RNN模型的结构 2. BiRNN 3. LSTM 图3.1 LSTM模型的结构 ...
0.引言 我们发现传统的（如前向网络等）非循环的NN都是假设样本之间无依赖关系（至少时间和顺序上是无依赖关系），而许多学习任务却都涉及到处理序列数据，如image captioning，spee ...
0.背景 对于如机器翻译、语言模型、观点挖掘、问答系统等都依赖于RNN模型，而序列的前后依赖导致RNN并行化较为困难，所以其计算速度远没有CNN那么快。即使不管训练的耗时程度，部署时候只要模型稍微大点，实时性也会受到影响。 Tao Lei等人基于对LSTM、GRU等模型的研究，提出了SRU ...
