利用预学习的局部仿射子空间模型进行在线有监督声学系统辨识
音频与语音处理
2020-07-06 v1 声音
摘要
本文提出了一种新算法，通过利用关于房间脉冲响应空间的先验知识，在恶劣噪声场景下改进块在线有监督声学系统辨识。该方法基于以下假设：未知房间脉冲响应的变异性仅由少数物理参数（例如，描述声源位置移动）控制，因此被限制在一个低维流形上，该流形由一组仿射子空间的并集建模。仿射子空间的偏移量和基向量通过无监督聚类和主成分分析从训练数据中预先学习。我们建议通过将任何有监督自适应滤波器的参数更新投影到最优仿射子空间上来对其进行去噪，该最优子空间是基于一种新颖的、计算高效的关联证据近似来选择的。所提出的方法显著提升了现有算法在恶劣噪声场景下的系统辨识性能。
引用
@article{arxiv.2007.01543,
title = {Online Supervised Acoustic System Identification exploiting Prelearned Local Affine Subspace Models},
author = {Thomas Haubner and Andreas Brendel and Walter Kellermann},
journal= {arXiv preprint arXiv:2007.01543},
year = {2020}
}