基于CHF-CNN的语音分离

• 作者: 李少波 江厚民 王巾侠 边霄翔
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 语音分离 卷积神经网络 二元交叉熵及命中率-错误率混合
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 仿真应用研究
• 页码范围: 279-283
• 页数: 5页
• 分类号: TP183
• 字数: 3669字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2019.05.056

摘要

深度神经网络已经在语音分离方面取得很好的表现,但是卷积神经网络获取的语音信息会更全面.经常用来评估预测目标好坏的分类准确率和命中率-错误率(HIT-FA)之间存在不平衡现象.为了解决这种不平衡,对卷积神经网络的损失函数进行了改进,提出使用二元交叉熵及命中率-错误率混合(CHF)损失函数,构成CHF-CNN模型.实验证明,使用CHF-CNN模型可以同时提高分类准确率和命中率-错误率(HIT-FA)来避免不平衡现象.此外,还验证了不同信噪比下的语音分离成果,发现当信噪比匹配时效果比不匹配时明显好,同时随着信噪比的增大效果会越来越好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李少波	贵州大学机械工程学院	163	758	13.0	21.0
2	王巾侠	贵州大学计算机科学与技术学院	2	1	1.0	1.0
3	江厚民	贵州大学计算机科学与技术学院	2	1	1.0	1.0
4	边霄翔	贵州大学计算机科学与技术学院	2	1	1.0	1.0