基于频率调制线索的非负张量分解用于盲音频源分离
声音
2016-06-02 v1
摘要
我们提出颤音非负张量分解(Vibrato Nonnegative Tensor Factorization)，一种用于单通道无监督音频源分离的算法，应用于从音乐录音中分离具有非平稳音高的乐器或人声源。我们的方法通过纳入频率调制的局部估计作为分离线索，扩展了用于音频建模的非负矩阵分解。这使得对颤音或滑音音乐源的建模与无监督分离成为可能，而基本的矩阵分解形式无法实现。该算法对由音频谱图与局部频率斜率-频率比组成的稀疏非负张量进行分解，后者在每个时频单元上利用分布导数法(Distributed Derivative Method)估算。使用局部频率调制作为分离线索的动机源于听觉场景分析(Auditory Scene Analysis)的共同命运部分分组原则，该原则假设混合信号中每个潜在源在其组成分音共享的相干频率和幅度调制上具有感知特征。我们通过最小化-最大化(Minorization-Maximization)推导乘法因子更新，从而保证迭代收敛至局部最优。随后我们将我们的方法与基线在两个分离任务上比较：一个考虑合成颤音音符，另一个考虑颤音弦乐器录音。
引用
@article{arxiv.1606.00037,
title = {Nonnegative tensor factorization with frequency modulation cues for blind audio source separation},
author = {Elliot Creager and Noah D. Stein and Roland Badeau and Philippe Depalle},
journal= {arXiv preprint arXiv:1606.00037},
year = {2016}
}
备注
Accepted at the 17th International Society for Music Information Retrieval (ISMIR) Conference, New York, NY, August 2016