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

风进行关键词搜索任务。[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方法和两个关键词搜索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