基於次頻道遞迴類神經網路之麥克風陣列電視回聲消除系統

本論文研究聲控智慧電視情況下之電視節目回聲消除，希望在電視節目持續播放的干擾下，仍能收到清晰的語者的語音指令。因此本論文先使用最小方差無失真波束形成器（Minimum Variance Distortionless Response Beamformer，MVDR），指向語者聲源位置。接著以頻域遞迴類神經網路（Recurrent Neural Network，RNN）學習房間響應路徑，清除電視回聲，最後加上頻譜消去法（Spectral Subtraction，SS）做後處理，將殘餘的回聲進一步的濾除掉。實驗針對不同電視節目類型、語者，人聲電視聲訊雜比與語者角度的組合作情境模擬，並以回聲衰減量（Echo Return Loss Enhancement，ERLE）來判斷電視回聲消除效能。實驗顯示，我們提出的方法，在不同情境下皆有良好的電視回聲消除表現，平均ERLE結果為11.75dB，優於傳統的NLMS的5.78dB，且處理速度比一般時域RNN快15倍，的確能有效地濾除電視回聲雜訊。