用于多通道音频源分离的独立于深度学习的矩阵分析
音频与语音处理
2018-06-28 v1 声音
摘要
在本文中,我们处理多通道音频源分离任务,并提出了一种称为独立于深度学习的矩阵分析(IDLMA)的新高效方法。IDLMA以盲方式估计解混矩阵,并使用预训练深度神经网络(DNN)更新各源的时频结构。此外,我们引入复Student's t分布作为广义源生成模型,其包含复高斯分布和柯西分布。使用带有训练数据集的音乐信号进行实验,结果表明所提方法在分离精度和计算代价方面的有效性。
引用
@article{arxiv.1806.10307,
title = {Independent Deeply Learned Matrix Analysis for Multichannel Audio Source Separation},
author = {Shinichi Mogami and Hayato Sumino and Daichi Kitamura and Norihiro Takamune and Shinnosuke Takamichi and Hiroshi Saruwatari and Nobutaka Ono},
journal= {arXiv preprint arXiv:1806.10307},
year = {2018}
}
备注
5 pages, 4 figures, To appear in the Proceedings of the 26th European Signal Processing Conference (EUSIPCO 2018)