基于生成先验的无监督音源分离

• 作者: 杨海龙 钟维良 曾祥福
• 来源期刊: 工业控制计算机
• 关键词: 深度神经网络 音源分离 生成先验
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 数据采集与通信
• 页码范围: 60-61,64
• 页数: 3页
• 语种: 中文
• DOI: 10.3969/j.issn.1001-182X.2022.01.021

摘要

有监督深度神经网络解决音源分离问题的方法获得了很好的分离效果,然而因为有监督方法在训练的过程中需要大量的标签数据,但实际上标签数据并不容易获取.针对无标签音源数据问题,通过利用深度卷积神经网络擅长从大量数据中提取紧凑和稳健的先验信息优势,提出了一种新的基于生成先验的无监督音源分离损失函数.实验结果表明,在信噪比方面比标准基线方法提高1～4dB,能够得到更好的分离后的音频质量.