用于直接从复频谱提取语音参数的复值受限Boltzmann机
音频与语音处理
2018-03-28 v1 机器学习
声音
机器学习
摘要
本文描述了一种新颖的基于能量的概率分布，它能够表示复值数据，并解释了如何将其应用于从复值频谱中直接提取特征。所提出的模型，即复值受限Boltzmann机 (CRBM)，被设计为处理复值可见单元，作为著名的受限Boltzmann机 (RBM) 的扩展。与 RBM 一样，CRBM 学习可见单元与隐藏单元之间的关系，而同一层内的单元之间没有连接，这通过使用 Gibbs 采样或对比散度 (CD) 极大地提高了训练效率。另一个重要特征是，CRBM 在每个复值可见单元的实部和虚部之间也有连接，有助于在复数域中表示数据分布。在语音信号处理中，分类和生成特征通常基于幅度谱（例如 MFCC、倒谱和mel倒谱），即使它们是从复频谱计算得出的，也会忽略相位信息。相比之下，使用 CRBM 的所提特征提取器将复频谱（或复频谱的另一种复值表示）直接编码为二值潜在特征（隐藏单元）。由于可见-隐藏连接是无向的，我们也可以直接从潜在特征恢复（解码）复频谱。我们的语音编码实验表明，CRBM 优于其他语音编码方法，例如使用传统 RBM、mel对数频谱近似 (MLSA) 解码器等的方法。
引用
@article{arxiv.1803.09946,
title = {Complex-Valued Restricted Boltzmann Machine for Direct Speech Parameterization from Complex Spectra},
author = {Toru Nakashika and Shinji Takaki and Junichi Yamagishi},
journal= {arXiv preprint arXiv:1803.09946},
year = {2018}
}
备注
Under the IEEE T-ASLP Review