FastFCA-AS：基于联合对角化的全秩空间协方差分析加速方法以分离任意数量声源
声音
2018-05-25 v1 音频与语音处理
摘要
本文提出 FastFCA-AS，一种针对全秩空间协方差分析（FCA）的加速算法。FCA 是由 Duong 等人提出的一种鲁棒音频源分离方法 [“Under-determined reverberant audio source separation using a full-rank spatial covariance model,” IEEE Trans. ASLP, vol. 18, no. 7, pp. 1830-1840, Sept. 2010]。在常规 FCA 中，迭代参数估计算法的每次迭代都需要在每个时频点进行矩阵求逆和矩阵乘法，这造成了沉重的计算负担，使得 FCA 在许多应用中难以使用。为克服这一缺陷，我们采用联合对角化方法，将矩阵求逆和矩阵乘法简化为仅对对角元素求逆和相乘。这使得 FastFCA-AS 比 FCA 显著更快，甚至可应用于长时长观测数据或计算资源受限的场景。尽管我们此前已提出针对两个声源的另一种 FCA 加速方法，但本文提出的 FastFCA-AS 适用于任意数量的声源。在三个声源与三个麦克风的实验中，FastFCA-AS 比 FCA 快逾 420 倍，且源分离性能略优。
引用
@article{arxiv.1805.09498,
title = {FastFCA-AS: Joint Diagonalization Based Acceleration of Full-Rank Spatial Covariance Analysis for Separating Any Number of Sources},
author = {Nobutaka Ito and Tomohiro Nakatani},
journal= {arXiv preprint arXiv:1805.09498},
year = {2018}
}
备注
Submitted to IWAENC2018