具有自适应前端的端到端源分离
声音
2017-11-01 v2
摘要
源分离及其他音频应用传统上依赖于使用短时傅里叶变换作为前端频域表示步骤。缺乏等同于前向和逆变换的神经网络阻碍了这些应用的端到端学习系统的实现。我们提出了一种自编码器神经网络，可作为短时前端变换的等价物。我们展示了该网络直接从信号的原始波形中学习最优实值基函数的能力，并进一步展示了如何将其用作监督源分离的自适应前端。在分离性能方面，这些变换显著优于其傅里叶对应物。最后，我们还提出了一种基于源失真比的新型代价函数用于端到端源分离。
引用
@article{arxiv.1705.02514,
title = {End-to-end Source Separation with Adaptive Front-Ends},
author = {Shrikant Venkataramani and Jonah Casebeer and Paris Smaragdis},
journal= {arXiv preprint arXiv:1705.02514},
year = {2017}
}
备注
4 figures, 4 pages