基于硬标签标准的声学非平稳性客观评估
音频与语音处理
2026-01-22 v2 信号处理
摘要
客观非平稳性度量资源密集，限制了实时处理解决方案的实际应用。本文提出一种新颖的硬标签标准(Hard Label Criteria, HLC)算法，用于为声学信号生成全局非平稳性标签，使其能够作为平稳性估计器来训练监督学习模型。首先评估了 HLC 在最先进的通用声学模型上的表现，证明这些模型捕获了平稳性信息。进一步提出了首个基于 HLC的声学非平稳性评估网络(HLC-based Network for Acoustic Non-Stationarity Assessment, NANSA)。NANSA 模型在对抗方法中取得优异成绩，实现了最高可达99%的分类准确率，同时解决了传统客观度量的计算不可行问题。
引用
@article{arxiv.2508.06405,
title = {Acoustic Non-Stationarity Objective Assessment with Hard Label Criteria for Supervised Learning Models},
author = {Guilherme Zucatelli and Ricardo Barioni and Gabriela Dantas},
journal= {arXiv preprint arXiv:2508.06405},
year = {2026}
}
备注
Accepted at ICASSP 2026