Resumen

La mejora del habla en el entorno de un vehículo sigue siendo una tarea difícil debido a la complejidad del ruido. Este artículo presenta un método de extracción de características que utiliza el mecanismo de atención entre canales fotograma a fotograma para aprender las características espaciales directamente de las formas de onda del habla multicanal. Las características espaciales de las señales individuales aprendidas a través del método propuesto se proporcionan como entrada para que la red BiLSTM de dos etapas se entrene para realizar el filtrado espacial adaptativo como filtros de dominio temporal que abarcan los canales de señal. La red BiLSTM de dos etapas es capaz de extraer características locales y globales y alcanza resultados competitivos. Utilizando escenarios y datos basados en simulaciones de cabina de automóviles, en contraste con otros métodos que extraen la característica a partir de datos multicanal, los resultados muestran que el método propuesto tiene un rendimiento significativo en términos de SDR, SI-SNR, PESQ y STOI.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:red bilstm escénica, características espaciales, marco del mecanismo de atención entre canales, filtrado espacial adaptativo, simulaciones de cabina de automóviles, método de extracción de características, formas de onda del habla multicanal, método, mejora del habla, tarea difícil
• Keywords:stage bilstm network, spatial features, interchannel attention mechanism frame, adaptive spatial filtering, car cockpit simulations, feature extraction method, multichannel speech waveforms, method, speech enhancement, challenging task