一种用于 TasNet 语音分离的多相位 Gammatone 滤波器组
音频与语音处理
2021-04-20 v2 机器学习
声音
摘要
在本工作中，我们探究端到端卷积时域音频分离网络（Conv-TasNet）中学习到的编码器是否是其近期成功的关键，抑或其编码器同样可被确定性的手工设计滤波器组所替代。受 Conv-TasNet 训练后编码器与听觉滤波器组相似性的启发，我们提出采用确定性的 gammatone 滤波器组。与常见 gammatone 滤波器组不同，我们的滤波器被限制为 2 ms 长度以允许低延迟处理。受 Conv-TasNet 所学编码器的启发，除对数间隔的滤波器外，所提滤波器组在同一中心频率处持有多个具有不同相移的 gammatone 滤波器。我们表明，以所提多相位 gammatone 滤波器组（MP-GTF）替代学习到的编码器，甚至带来了 0.7 dB 的尺度不变信噪比（SI-SNR）提升。此外，与使用学习到的编码器相比，我们表明滤波器数量可从 512 减至 128 而不损失性能。
引用
@article{arxiv.1910.11615,
title = {A Multi-Phase Gammatone Filterbank for Speech Separation via TasNet},
author = {David Ditter and Timo Gerkmann},
journal= {arXiv preprint arXiv:1910.11615},
year = {2021}
}
备注
Accepted at ICASSP 2020