基于变分自编码器和非负矩阵分解的半监督多通道语音增强

本文讨论了在未知噪声环境下的说话人无关的多通道语音增强。我们的工作基于一种成熟的多通道局部高斯建模框架。我们建议使用神经网络来建模语音的频谱时间内容。这个监督模型的参数是使用变分自编码器的框架来学习的。噪声记录环境假设是未知的，因此噪声的频谱时间建模保持无监督，并基于非负矩阵分解（NMF）。我们开发了一种蒙特卡洛期望最大化算法，并通过实验表明，所提出的方法优于其基于NMF的对应方法，在这种方法中，语音是使用监督NMF建模的。