用于多通道音频源分离的经验贝叶斯独立深度习得矩阵分析
声音
2021-06-08 v1 音频与语音处理
摘要
独立深度习得矩阵分析（IDLMA）是最先进的有监督多通道音频源分离方法之一。它基于源独立性盲估计解混滤波器，使用由深度神经网络（DNN）估计的源模型。然而，由于源与干扰信号之比在时频（TF）槽间差异巨大，难以在所有 TF 槽获得可靠的源功率谱图估计。本文提出 IDLMA 的扩展——经验贝叶斯 IDLMA（EB-IDLMA），引入源功率谱图的先验分布并将源功率谱图视为潜随机变量。该处理使我们能通过 DNN 估计的先验分布超参数，在解混滤波器估计中隐式考虑估计源功率谱图的可靠性。实验评估显示了 EB-IDLMA 的有效性以及引入估计源功率谱图可靠性的重要性。
引用
@article{arxiv.2106.03492,
title = {Empirical Bayesian Independent Deeply Learned Matrix Analysis For Multichannel Audio Source Separation},
author = {Takuya Hasumi and Tomohiko Nakamura and Norihiro Takamune and Hiroshi Saruwatari and Daichi Kitamura and Yu Takahashi and Kazunobu Kondo},
journal= {arXiv preprint arXiv:2106.03492},
year = {2021}
}
备注
5 pages, 4 figures, accepted for European Signal Processing Conference 2021 (EUSIPCO 2021)