揭开 TasNet 之谜：一种拆解分析方法
声音
2020-02-06 v2 计算与语言
音频与语音处理
摘要
近年来，在单通道场景和无噪环境中，时域语音分离已超越频域分离。本文通过逐步替换基于话语级置换不变训练(u-PIT)的频域分离系统中的组件，直至达到 TasNet 系统，从而将频域方法的组件与时域方法的组件相融合，以此拆解时域音频分离网络(TasNet)方法的增益。一些中间变体取得了与 TasNet 相当的信号的失真比(SDR)增益，但保留了频域处理的优势：与频域波束成形等经典信号处理工具的兼容性，以及掩码的人类可解释性。此外，我们表明 TasNet 中用作损失函数的尺度不变信号的失真比(si-SDR)准则与对数均方误差准则相关，且正是该准则最可靠地贡献于 TasNet 的性能优势。最后，我们批判性地评估了在无噪单通道环境中获得的增益在更真实的混响条件下的泛化情况。
引用
@article{arxiv.1911.08895,
title = {Demystifying TasNet: A Dissecting Approach},
author = {Jens Heitkaemper and Darius Jakobeit and Christoph Boeddeker and Lukas Drude and Reinhold Haeb-Umbach},
journal= {arXiv preprint arXiv:1911.08895},
year = {2020}
}
备注
Accepted to ICASSP 2020