基于位置训练的多通道说话人无关语音分离

置换不变训练（PIT）是解决说话人无关语音分离中置换模糊问题的主要方法。利用麦克风阵列提供的空间信息，我们提出了一种用于解决多通道语音分离置换模糊问题的新训练方法。所提出的方法称为基于位置的训练（LBT），根据说话人的空间位置来分配说话人。该训练策略易于应用，并按照说话人在物理空间中的位置来组织说话人。具体而言，本研究考察了用于基于位置训练的方位角和声源距离。在分离两说话人和三说话人混合语音的评估结果中表明，基于方位角的训练始终优于PIT，而当说话人方位角接近时，基于距离的训练进一步提升了分离性能。此外，我们通过估计分离出的说话人的方位角来动态选择基于方位角或基于距离的训练，从而进一步改善分离性能。LBT相对于说话人数量具有线性训练复杂度，而PIT具有阶乘复杂度。我们进一步证明了LBT在分离四个和五个同时说话人时的有效性。