Noisy-target Training for 无监督目标信号增强的分析与扩展
音频与语音处理
2025-03-20 v1
摘要
深度神经网络基于的目标信号增强（target signal enhancement, TSE）通常采用干净的目标信号进行监督式训练。然而，收集干净的目标信号成本高昂，且这些信号并不总是可用。因此，开发一种不依赖干净目标信号的无监督方法备受青睐。在各种无监督 TSE 方法研究中，Noisy-target Training（NyTT）已被确立为基础方法。NyTT simply 用噪声目标信号取代干净目标信号进行典型的监督式训练，已被实验表明能够实现 TSE。尽管该方法有效且简单，但其机制和详细行为仍不清晰。本文为推进 NyTT 以及整体无监督方法， 从多个角度分析 NyTT。我们实验性地展示了 NyTT 的机制、理想条件，以及在干净目标信号数量有限的情况下利用噪声信号的有效性。此外，我们基于其性质提出了改进版的 NyTT，并探讨了其在 dereverberation（消混响）和 declipping（去剪辑）任务中的能力，超越去噪任务。
引用
@article{arxiv.2503.14854,
title = {Analysis and Extension of Noisy-target Training for Unsupervised Target Signal Enhancement},
author = {Takuya Fujimura and Tomoki Toda},
journal= {arXiv preprint arXiv:2503.14854},
year = {2025}
}