Um Método Baseado em Aprendizado Profundo para Cancelamento de Realimentação Acústica

Este trabalho apresenta um método baseado em aprendizado de máquina para o cancelamento de realimentação acústica em sistemas de sonorização. A abordagem proposta emprega representações tempo-frequência dos sinais do microfone e do alto-falante, e redes neurais profundas para estimar dinamicamente o caminho de realimentação. Essa estimativa é integrada ao processo de atualização de um filtro adaptativo responsável por mitigar o efeito de realimentação no sistema. O método proposto alcançou convergência e reconvergência entre 0,1 e 1s, dependendo do número de janelas temporais utilizadas na estimação, e erros em regime permanente entre -8 e -14 dB. Os resultados demonstram que a identificação do caminho de realimentação acústica por meio de redes profundas constitui uma alternativa promissora frente aos métodos clássicos baseados exclusivamente em filtragem adaptativa linear.