用于同时建模线性与对数幅度谱的 Gamma 玻尔兹曼机
音频与语音处理
2020-06-26 v2 机器学习
声音
机器学习
摘要
在音频应用中，音频信号最重要的表示之一为幅度谱。它被用于许多基于机器学习的信息处理方法，包括使用受限玻尔兹曼机（RBM）的方法。然而，普通的 Gaussian-Bernoulli RBM（其变体中最流行的 RBM）无法直接处理幅度谱，因为高斯分布是允许负值出现的对称模型，而幅度中从不出现负值。本文在提出通用 gamma 玻尔兹曼机后，给出一种称为 gamma-Bernoulli RBM 的实用模型，可同时处理线性幅度谱与对数幅度谱。其可观测数据的条件分布由 gamma 分布给出，因此所提 RBM 可自然处理以正数表示的幅度谱数据。它也能处理对数尺度的幅度，而从感知角度看这对音频信号十分重要。在语音信号幅度谱表示的实验中，通过 PESQ 与 MSE 确认了所提模型相对普通 Gaussian-Bernoulli RBM 的优势。
引用
@article{arxiv.2006.13590,
title = {Gamma Boltzmann Machine for Simultaneously Modeling Linear- and Log-amplitude Spectra},
author = {Toru Nakashika and Kohei Yatabe},
journal= {arXiv preprint arXiv:2006.13590},
year = {2020}
}
备注
Submitted to APSIPA2020