通过BGRU与GMM改进深度吸引子网络用于语音分离
声音
2023-08-08 v1 人工智能
音频与语音处理
摘要
深度吸引子网络（DANet）是语音分离领域的最先进技术，其使用双向长短期记忆网络（BLSTM），但DANet模型的复杂度非常高。本文提出一种简化且强大的DANet模型，使用双向门控循环单元（BGRU）替代BLSTM。采用高斯混合模型（GMM）而非k-means作为DANet中的聚类算法，以降低复杂度并提高学习速度与准确率。本文使用的指标为信失真比（SDR）、信干扰比（SIR）、信伪迹比（SAR）和感知语音质量评价（PESQ）分数。准备了来自TIMIT语料库的双说话人混合数据集来评估所提模型，系统在SDR和PESQ分数上分别达到12.3 dB和2.94，优于原始DANet模型。其他改进为参数量减少20.7%、训练时间减少17.9%。该模型应用于混合阿拉伯语语音信号，结果优于英语。
引用
@article{arxiv.2308.03332,
title = {Improving Deep Attractor Network by BGRU and GMM for Speech Separation},
author = {Rawad Melhem and Assef Jafar and Riad Hamadeh},
journal= {arXiv preprint arXiv:2308.03332},
year = {2023}
}