用于单通道源分离的对抗生成式非负矩阵分解

在逆问题的更广泛背景下，正则化泛函的对抗学习思想近来已被提出。该方法背后的直觉在于认识到，不仅要学习构成待表示信号类的基本特征，而且同样甚至更为关键的是，要学习在表示中应避免哪些特征。在本文中，我们将此方法应用于基于非负矩阵分解（NMF）的源分离问题，并提出一种用于 NMF 基对抗训练的新方法。我们在图像与音频分离的数值实验中表明，这带来了重建信号的明显改进，尤其在仅有少量或没有强监督数据可用的情况下。