基于正例与无标记数据学习的音频信号增强
声音
2023-04-27 v3 音频与语音处理
摘要
监督学习是音频信号增强（SE）的主流方法，需要由含噪信号和对应干净信号组成的并行训练数据。此类数据只能通过合成获得，且与真实数据不匹配，这可能导致在真实数据上性能不佳。此外，在某些场景下可能无法获取干净信号，使得这种传统方法不可行。本文探索使用由含噪信号和噪声组成的非并行训练数据进行 SE，这些数据易于录制。我们将信号非活跃和活跃分别定义为正（P）类和负（N）类。我们观察到，噪声片段的频谱图块可用作 P 数据，含噪信号片段的频谱图块可用作无标记数据。因此，从正例和无标记数据中学习使卷积神经网络能够学习将每个频谱图块分类为 P 或 N，从而实现 SE。
引用
@article{arxiv.2210.15143,
title = {Audio Signal Enhancement with Learning from Positive and Unlabelled Data},
author = {Nobutaka Ito and Masashi Sugiyama},
journal= {arXiv preprint arXiv:2210.15143},
year = {2023}
}
备注
Accepted to ICASSP2023