10、基于相位感知神经网络的判别式波束形成技术解析

基于相位感知神经网络的判别式波束形成技术解析

1. 引言

在自动语音识别（ASR）领域，波束形成技术对于提高语音信号质量至关重要。传统的波束形成方法存在一定的局限性，而基于学习的方法为优化波束形成以适应最终的 ASR 任务提供了新的思路。本文将详细介绍一种新的基于学习的波束形成方法，结合神经网络和阵列处理领域知识，旨在实现更优的多通道 ASR 性能。

2. 研究动机与方法概述

2.1 现有方法分析

目前存在两种主要的基于学习的波束形成方法：
- “黑盒”方法 ：以 Google 的方法为代表，让网络自主决定所有处理步骤，包括空间滤波、特征学习和声学建模，人工干预较少。随着因子化时间卷积层的引入，该方法变得更加“透明”，各层网络功能更清晰。
- 掩码估计方法 ：仅使用神经网络预测语音掩码用于空间协方差估计，仍采用传统的广义特征值分解（GEV）或最小方差无失真响应（MVDR）规则确定波束形成参数，是一种更“透明”的方法。

2.2 新方法思路

本文提出的新方法与上述两种方法不同，它从传统波束形成方法出发，逐步用神经网络替换合适的处理步骤。首先保留传统波束形成和声学建模流程中的大部分模块，仅用神经网络实现波束形成权重确定模块，即波束形成网络。该网络与声学模型网络以及确定性处理模块共同构成一个计算网络，将多通道波形转换为用于语音识别的音素后验概率。ASR 成本函数的梯度可以回流到波束形成网络，对其进行优化以适应 ASR 任务。

3. 系统概述

3.1 联合训练架构

波束形成网络和声学模