一种基于卷积神经网络的端到端语音分离方法

• 作者: 刘斌 易江燕 温正棋 范存航 陶建华
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 说话人独立语音分离 鸡尾酒会问题 端到端 卷积编解码器
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 论文与技术报告
• 页码范围: 542-548
• 页数: 7页
• 分类号: TN912
• 字数: 4766字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2019.04.003

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘斌	中国科学院自动化研究所模式识别国家重点实验室	230	3876	32.0	56.0
2	陶建华	中国科学院自动化研究所模式识别国家重点实验室	31	133	6.0	11.0
11	范存航	中国科学院自动化研究所模式识别国家重点实验室	1	2	1.0	1.0
15	温正棋	中国科学院自动化研究所模式识别国家重点实验室	3	2	1.0	1.0