Główne pojęcia
ニューラルネットワークを使用した適応フィルタ最適化の新手法がパフォーマンス向上に貢献する。
Streszczenie
新しいオンライン適応フィルタリング手法であるSMS-AFを紹介します。この手法は、ニューラルネットワークを使用して線形マルチディレイまたはマルチチャンネル周波数領域フィルタを制御または最適化し、性能を柔軟にスケーリングアップすることができます。我々の手法は、特徴剪定、教師あり損失、および時間枠ごとの複数の最適化ステップなどの一連の改善点を組み合わせて、スケーリングを可能にします。さらに、我々の手法がカルマンフィルタやメタ適応フィルタリングとどのように関連しているかを示し、多様なAFタスクにシームレスに適用可能であることを示します。我々は音響エコーキャンセレーション(AEC)およびマルチチャンネル音声強調タスクで我々の手法を評価し、標準的な合成および実世界データセットでいくつかの基準線と比較します。結果は、推論コストとモデル容量と共に性能が向上し、両方のタスクで数dBの性能向上が得られることを示し、単一CPUコア上でもリアルタイム対応可能です。
Statystyki
SMS-AF-S, SMS-AF-M, SMS-AF-L, NLMS, KF, Meta-AF-M, Meta-AF-S, Meta-AF-L, NKF-S
Cytaty
"Scaling methodologies are particularly enticing, as they tap into the increasing computational capabilities of modern smart devices."
"Our method integrates a series of algorithm improvements on top of recent meta-learning methods that together enable scaling performance by increasing model capacity and/or inference cost."
"Our best-performing L·S·PUx2 scores over 14dB ERLE, doubling the S·U·P performance of 7.09dB."