Feedforward Active Speech Suppression Based on Time Series Prediction of Speech Signals Using Neural Networks

Обычный FxLMS хорошо гасит стационарный гул, но не успевает за быстро меняющейся речью. Авторы добавляют в градиент адаптивного фильтра не только текущие и прошлые отсчёты, но и короткий прогноз будущей формы волны. Это аккуратное соединение классической активной компенсации и нейросетевого прогноза, где сеть не генерирует противосигнал напрямую.

Метод. SP-FxLMS предсказывает следующие a отсчётов опорного и желаемого сигналов, вычисляет для них будущую ошибку и усредняет её градиент с текущим и, при необходимости, с b прошлыми градиентами. В опытах длина управляющего фильтра K=192, прошлое b=1024, прогноз a=128. Простой MLP получает 512 отсчётов, имеет один скрытый слой на 1024 элемента и выдаёт 128 будущих отсчётов. Сначала верхняя граница проверяется с истинным будущим, затем тот же алгоритм запускается с прогнозом MLP.

Результаты. Для 12-секундной речи LibriSpeech первые 5 с отданы адаптации, последние 7 с оценке. Нормированное отношение остаточной мощности NPR у FxLMS равно -37,09 дБ; использование прошлого даёт -40,67 дБ, а объединение прошлого и нейросетевого будущего -42,12 дБ. То есть выигрыш составляет 5,03 дБ относительно FxLMS и 1,45 дБ относительно варианта только с прошлым. При этом сам прогноз слабый: средняя NMSE 1,67 дБ, корреляция всего 0,287, но по подавлению он почти совпадает с недостижимым вариантом, знающим истинное будущее.

Ограничения. Это численное моделирование свободного поля с известными трактами, одним расположением громкоговорителя и микрофона и SNR 30 дБ, а не опыт в комнате или на наушниках. Нейросеть проверена на главах одного говорящего; обобщение по 19 говорящим показано в основном для истинного прогноза. Один вызов MLP на CPU занимает 119 мкс при периоде отсчёта 62,5 мкс, поэтому текущая реализация не работает поотсчётно в реальном времени. Нет субъективной оценки остаточного звука и устойчивости к ошибке модели вторичного тракта.

Фишка из статьи. Качество прогноза формы волны оказывается неочевидно связано с полезностью его градиента: даже прогноз с низкой корреляцией даёт почти тот же NPR, что и истинное будущее.

Как это читать: более отрицательный NPR означает меньшую остаточную мощность. Прогноз полезен не как точная реконструкция каждого отсчёта, а как направление обновления фильтра; теперь главный инженерный вопрос - пакетная или блочная реализация, укладывающаяся в задержку.