基于注意力机制的单通道双人语音分离研究

• 作者: 周晓东 孙华星 莫钞然 陈人楷
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 鸡尾酒会问题 注意力机制 深度聚类 k-means
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 880-884
• 页数: 5页
• 分类号: TN912.3
• 字数: 2853字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2020.04.014

摘要

在传统电力调度通信系统中,通话双方的语音内容被存储在单个录音文件中.如何将通话双方的人声区分开来,对于语音识别和声纹识别在电力调度领域应用具有重要的作用.当有多人同时说话时,如何将这些人声区分开来的问题,被称为鸡尾酒会问题.为解决鸡尾酒会问题,特别是单通道双人语音分离问题,提出了基于注意力机制的深度聚类网络.首先提取语音信号的MFCC特征,其次将其输入到神经网络提取更高维度的特征,再次采用注意力机制为每一特征分配权重,最后采用k-means聚类将同一说话人的语音聚类输出.在wsj0数据集上,所提算法模型相比于原始的聚类网络取得了更好的效果.测试结果表明:在封闭的数据集上,新算法的SDR增长在男性和男性混合语音、女性和女性混合语音、男性和女性混合语音及总体情况分别为20.58％、17.25％、1.88％、22.78％,而在开放数据集上的对应结果分别为3.56％、20.87％、1.04％、17.67％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周晓东		11	5	2.0	2.0
2	陈人楷		5	1	1.0	1.0
3	孙华星		3	0	0.0	0.0
4	莫钞然		1	0	0.0	0.0