通過一系列基于自動(dòng)編碼器的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu),單通道語(yǔ)音分離方法最近取得諸多進(jìn)展,其使用編碼器將輸入信號(hào)壓縮為中間特征,再把這些特征送入解碼器重構(gòu)感興趣的特定音頻源。然而,這些方法既無法為單通道語(yǔ)音分離學(xué)習(xí)原始輸入的生成因子,也無法構(gòu)造混合語(yǔ)音中的所有音頻源。本文提出一個(gè)新的加權(quán)因子自動(dòng)編碼器模型,在目標(biāo)函數(shù)中引入正則化損失以約束目標(biāo)源,摒除其他信號(hào)源。通過在分離層中引入潛在注意力機(jī)制和監(jiān)督源構(gòu)造器,加權(quán)因子自動(dòng)編碼器可為每一個(gè)信號(hào)源習(xí)得特定于源的生成因子和一組鑒別性特征,從而提升單通道語(yǔ)音分離性能。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)表明所提方法優(yōu)于現(xiàn)有方法。就3個(gè)重要指標(biāo)而言,加權(quán)因子自動(dòng)編碼器在相對(duì)更具挑戰(zhàn)性的任務(wù)(與說話人無關(guān)的單通道語(yǔ)音分離)上取得巨大成功。 

【文章來源】：Frontiers of Information Technology & Electronic Engineering. 2020年11期 第1639-1651頁(yè)

【文章頁(yè)數(shù)】：13 頁(yè)


本文編號(hào)：2909778