声学中的机器学习：理论与应用
信号处理
2019-12-03 v4 机器学习
声音
音频与语音处理
应用物理
摘要
声学数据在从生物学、通信到海洋与地球科学等领域提供科学与工程洞见。我们综述了机器学习（ML，含深度学习）在声学领域的近期进展与变革潜力。ML 是一大类常基于统计、用于自动发现并利用数据中模式的技术。相对于传统声学与信号处理，ML 是数据驱动的。给定充足训练数据，ML 可发现特征与期望标签或动作之间，或特征彼此之间的复杂关系。借助大量训练数据，ML 可发现描述人类语音与混响等复杂声学现象的模型。声学中的 ML 正快速发展，已取得引人注目的结果并具备重要未来前景。我们首先介绍 ML，随后重点介绍 ML 在四个声学研究领域的进展：语音处理中的声源定位、海洋声学中的声源定位、生物声学以及日常场景中的环境声音。
引用
@article{arxiv.1905.04418,
title = {Machine learning in acoustics: theory and applications},
author = {Michael J. Bianco and Peter Gerstoft and James Traer and Emma Ozanich and Marie A. Roch and Sharon Gannot and Charles-Alban Deledalle},
journal= {arXiv preprint arXiv:1905.04418},
year = {2019}
}
备注
Published with free access in Journal of the Acoustical Society of America, 27 Nov. 2019