Red de Cancelación de Eco Acústico de Dos Etapas con Alineación de Doble Trayecto

El aprendizaje profundo se ha convertido en un enfoque popular para mejorar la cancelación de eco acústico (AEC) en sistemas de comunicación. Sin embargo, los sistemas existentes dependen mayormente de métodos tradicionales de estimación de retardo, que a menudo resultan en una degradación del rendimiento debido a la estimación inexacta del retardo. Además, la mayoría de los métodos basados en aprendizaje profundo utilizan redes de una sola etapa, cuya capacidad de aprendizaje limitada obstaculiza el rendimiento en condiciones de eco severo. Para abordar estos desafíos, este artículo propone un sistema de dos etapas con alineación de doble trayecto. La estrategia de dos etapas realiza la supresión de eco en el espectro de magnitud en la primera etapa, seguida de la corrección de fase en la segunda. Además, la primera etapa procesa dos características paralelas: el espectro de magnitud y su versión comprimida exponencialmente, con las cuales se lleva a cabo la alineación de doble trayecto para mejorar la estimación del retardo. Los resultados de los experimentos demuestran la efectividad del sistema propuesto para la supresión de eco en escenarios desafiantes que involucran largas demoras, doble conversación y distorsión no lineal.