噪声条件下的多通道关键词检测-计算机科学-语音识别-人机交互.pdfVIP

噪声条件下的多通道关键词检测

DzmitrySaladukha,IvanKoriabkin,KanstantsinArtsiom,AliakseiRak,NikitaRyzhikov

EmbeddedVoiceInputTeam,Yandex,Belarus

EmbeddedVoiceInputTeam,Yandex,Serbia

EmbeddedVoiceInputTeam,Yandex,Russia

dsoloduha@yandex-team.ru,koryabkin@yandex-team.ru,konstartyom@yandex-team.ru,

Abstract注于特定声音的方式，一个多通道算法可以部分

alexrak@yandex-team.ru,nryzhikov@yandex-team.ru

忽略噪声成分。

本文提出了一种在嘈杂环境中改进关键词检测器

目前，还没有标准化的方法来利用多个麦克

（KWS）算法的方法。虽然波束成形（BF）和自适

风进行关键词有哪些信誉好的足球投注网站任务。[8]的作者提出了一种解

应噪声消除（ANC）技术在某些条件下具有鲁棒

决方案，该方案使用注意力机制来聚合来自几个

性，但它们可能会通过扭曲或抑制有用信号而降

麦克风的原始信号。[9]的作者也建议在最小方差

本低激活系统的性能。作者提出了一种神经网络架无失真响应（MVDR）波束成形器的不同方向上

构，该架构使用多个输入通道以及注意力机制，使

译使用注意力机制，并结合全向麦克风。在[10]中，

网络能够确定最有用的通道或其组合。算法质量

中使用长短期记忆模型来确定MVDR波束成形器

改进已在两个数据集上得到验证：一个是受控条

1的方向。[11]的作者提出使用他们的主动噪声控制

v件下的实验室数据，另一个是自然条件下智能音

8箱的数据。所提出的算法在噪声减少指标、KWS方法和两个关键词有哪些信誉好的足球投注网站模型来处理未经清洗和降

5噪后的麦克风信号。三维（3D）奇异值分解滤波器

5指标和计算资源方面与几种基线进行了比较，并

5（SVDF）和3D卷积神经网络（CNN）架构用于

1且与现有解决方案相比。

.处理多通道麦克风数据的提议分别出现在[12]和

7IndexTerms:语音识别，人机交互，计算副语

0言学[13]中。在[14]中，作者提出利用源分离通道并通

5过转换-平均-连接（TAC）层来聚合它们。

2

:

v1.介绍