卷积深度神经网络中的概率二元掩码鸡尾酒会源分离
声音
2015-03-25 v1 机器学习
神经与进化计算
摘要
竞争语音的分离是信号处理中的一个关键挑战，也是人耳听觉大脑常规执行的功能。谱图源分离方法的一个长期基准被称为理想二元掩码。在此，我们训练了一个卷积深度神经网络，针对双人鸡尾酒会问题，对二元掩码进行概率预测。我们的结果接近理想二元掩码的性能，表明相对简单的深度神经网络能够实现鲁棒的二元掩码预测。我们还展示了预测统计量与分离质量之间的权衡。
引用
@article{arxiv.1503.06962,
title = {Probabilistic Binary-Mask Cocktail-Party Source Separation in a Convolutional Deep Neural Network},
author = {Andrew J. R. Simpson},
journal= {arXiv preprint arXiv:1503.06962},
year = {2015}
}