音频声源分离中NMF的相位恢复：一个富有洞见的基准评测
声音
2016-11-17 v1
摘要
非负矩阵分解（NMF）是在时频域中分解音频信号混合物的强大工具。在诸如声源分离等应用中，每个提取成分的相位恢复是一个主要问题，因为它常常导致可闻的伪影。在本文中，我们提出了一种评估各种涉及相位重建的基于NMF的声源分离技术的方法。对于所考虑的每个模型，我们对两种方法（无先验信息的盲分离和具有监督模型学习的预言分离）进行了比较，以探究估计方法的改进空间。实验结果表明，高分辨率NMF（HRNMF）模型特别有前景，因为它能够以强大的表达能力考虑相位和随时间变化的相关性。
引用
@article{arxiv.1605.07469,
title = {Phase recovery in NMF for audio source separation: an insightful benchmark},
author = {Paul Magron and Roland Badeau and Bertrand David},
journal= {arXiv preprint arXiv:1605.07469},
year = {2016}
}
备注
IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2015