ICASSP 2023 论文预讲会是由CCF语音对话与听觉专委会、语音之家主办，旨在为学者们提供更多的交流机会，更方便、快捷地了解领域前沿。活动将邀请 ICASSP 2023 录用论文的作者进行报告交流。
ICASSP 2023 论文预讲会邀请到新加坡南洋理工大学的信号处理实验室（DSP Lab）在5月16日做专场分享，欢迎大家预约观看。

实验室概况

DSP Lab是新加坡南洋理工大学的信号处理实验室，在将先进的DSP研究工作转化为实际应用中发挥着重要作用。DSP Lab与DaimlerChrysler（德国）、新加坡科技动力、Texas Instruments（美国）、Analog Devices（美国）、Excelpoint System、TechSource以及A * STAR等研究机构和公司合作多个项目。自成立以来，DSP Lab已经培养了300多名学生，在实时DSP实现和应用、音频和声学信号处理、DSP编程等领域，取得了很多科研成果。

第六期

新加坡南洋理工大学的信号处理实验室（DSP Lab）专场 
时间：5月16日（周二） 18:30-20:30
形式：线上
议程：每位嘉宾分享30分钟（含5分钟QA）

嘉宾&主题

嘉宾简介：石栋元，新加坡南洋理工大学（NTU）电气与电子工程学院（EEE）研究助理教授。其研究方向包括有源噪声控制、深度学习、数字信号处理、自适应阵列处理和高速实时数字系统实现。相关工作已发表在许多期刊包括JASA, TASLP, SP, SPL, MSSP, ICASSP等。其目前是IEEE和信号处理学会（SPS）的成员，并担任IEICE Transactions on Fundamentals of Electronics, Communications, and Computer Sciences的副编辑和Applied Science的首席客座编辑。
分享主题：A Hybrid SFANC-FxNLMS Algorithm for Active Noise Control based on Deep Learning
摘要：选择性固定滤波的有源噪声控制（SFANC）方法可以针对各种噪声选择最佳的预训练控制滤波器，从而实现快速的响应时间。然而，由于滤波器选择不准确和缺乏适应性，可能导致大的稳态误差。相比之下，通过自适应优化，适应性的FxNLMS算法可以获得较低的稳态误差。尽管如此，它的缓慢收敛速度对动态噪声衰减产生不利影响。因此，本文提出了一种混合的SFANC-FxNLMS方法，以克服自适应算法的收敛速度缓慢，并提供比SFANC方法更好的降噪水平。我们设计了轻量的一维卷积神经网络（1D CNN），根据输入噪声的每一帧，自动选择每个最合适的预训练控制滤波器。同时，FxNLMS算法继续以采样率更新所选择的预训练控制滤波器的系数。由于两种算法的有效结合，实验结果表明，混合的SFANC-FxNLMS算法可以实现快速响应时间、低降噪误差和高度鲁棒性。

嘉宾简介：罗正丁，新加坡南洋理工大学博士二年级学生，研究方向是：基于深度学习的有源噪声控制(ANC)，声学信号处理，多模态生物特征识别等。
分享主题：Deep Generative Fixed-filter Active Noise Control (GFANC)
深度生成式固定滤波器的有源噪声控制
摘要：选择性固定滤波器的有源噪声控制 (SFANC) 可以为不同的噪声选择适当的预训练控制滤波器，来克服传统自适应ANC算法的收敛速度慢，跟踪能力差等问题。但是，在SFANC中预训练的控制滤波器数量有限，当输入噪声与预训练期间的初始噪声差异很大时，可能无法选择合适的滤波器。因此，本文提出了一种生成式固定滤波器的有源噪声控制 (GFANC) 方法来克服这一局限性。GFANC 方法基于深度学习和完美重构滤波器组，只需少量先验数据（一个预训练的宽带控制滤波器）即可针对各种噪声自动生成合适的控制滤波器。在真实噪声上的模拟试验证明了 GFANC 方法的有效性和鲁棒性。

嘉宾简介：沈晓依，博士毕业于南洋理工大学， 现于南洋理工大学从事博士后研究工作。研究方向有源噪声控制，自适应滤波器算法研究，机器学习在有源噪声控制的应用。
分享主题： A Momentum Two-gradient Direction Algorithm with Variable Step Size Applied to Solve Practical Output Constraint Issue for Active Noise Control
应用可变步长的动量双梯度方向算法解决主动噪声控制的实际输出约束问题
摘要：有源噪声控制（ANC）已被广泛用于减少不必要的环境噪声。ANC的主要目的是产生与噪声相同振幅但相反相位的抗噪声。然而，ANC的应用效果会受到扬声器输出饱和的影响。本文提出了一种带有动量因子的双梯度方向ANC算法，以更快的收敛速度解决扬声器输出饱和问题。为了使其能够实时实施，采用了一种可变步长方法，以进一步减少梯度方向变化带来的稳态误差。本文分析了动量双梯度方向算法的时间常数和步长约束。仿真结果表明，所提出的算法在 稳定环境和变化的环境中均有效。

嘉宾简介：季君韦，新加坡南洋理工大学博士二年级学生，主要研究方向：有源噪声控制（ANC）和信号处理。
分享主题：A practical distributed active noise control algorithm overcoming communication restrictions
一种实用的克服通信限制的分布式主动噪声控制算法
摘要：通过将传统的多通道主动噪声控制系统的大规模计算任务分配给多个分布式控制节点，分布式多通道主动噪声控制（DMCANC）技术已成为一种低计算成本且有效的全局降噪解决方案。然而，现有的DMCANC算法仅通过组合邻节点的信息完成传统集中式算法的分布式化，而很少考虑通信延迟和中断引起分布式单元控制性能和系统稳定性的下降。因此，本文提出了一种新的DMCANC算法，即利用补偿滤波器和邻节点信息来抵消通道之间的串扰效应，同时保持独立的权重更新。由于每个节点的本地控制滤波器更新所需的邻节点信息几乎不影响本地节点的控制滤波器更新，因此这种方法可以在一定程度上容忍通信延迟和中断。经过仿真测试，所提出的算法不仅可以实现令人满意的降噪性能，还具有对实际通信问题的高鲁棒性。

参与方式

直播将通过语音之家微信视频号进行直播手机端、PC端可同步观看👇👇👇

论文征集

ICASSP 2023 论文预讲会面向全球线上招募，结合定向邀请与自选投稿的方式，来选择预讲会的嘉宾

为了共创高质量的论文预讲会，我们诚挚邀请所有 ICASSP 2023 作者参与到会议中来，也欢迎大家推荐适此会议论文分享的学者。
投稿邮箱：jack@speechhome.com