信号处理杂志文献阅读_一种基于卷积神经网络的端到端语音分离方法

一种基于卷积神经网络的端到端语音分离方法

范存航; 刘斌; 陶建华; 温正棋; 易江燕中国科学院自动化研究所模式识别国家重点实验室; 北京100190; 中国科学院大学人工智能学院; 北京100190; 中国科学院脑科学与智能技术卓越创新中心; 北京100190

摘要：大部分的语音分离系统仅仅增强混合的幅值谱(短时傅里叶变换的系数),但是对于相位谱却不做任何处理。然而,最近的研究表明相位信息对于语音分离的质量起着很重要的作用。为了同时利用幅值和相位信息,本文提出了一种有效的端到端分离方法。这种方法是直接利用原始语音波行点作为特征,是一种基于编解码器的卷积神经网络结构。跟其他的说话人独立的语音分离系统不同,本文提出的方法其神经网络只输出一个说话人的信号,其他的语音可以由混合语音与网络输出信号的差值获得。我们在TIMIT数据集上验证本文提出的方法。实验结果表明,本文提出的方法明显优于句子级别的排列不变性训练(utterance-level permutation invariant training,uPIT)基线方法,对于信号失真比(signal-to-distortion ratio,SDR)相对提高了16.06%。

注: 保护知识产权,如需阅读全文请联系信号处理杂志社