用于智慧城市声学中鲁棒源分离的量子启发遗传算法

城市声音的嘈杂对依赖准确声学场景分析的智慧城市应用构成了重大挑战。有效分析这些复杂的声景，通常以重叠声源、多样声学事件和不可预测的噪声水平为特征，需要精确的源分离。当只有有限的训练数据可用时，这项任务变得更加复杂。本文介绍了一种新颖的量子启发遗传算法（p-QIGA）用于源分离，从量子信息理论中汲取灵感，以增强智慧城市中的声学场景分析。通过利用量子叠加实现高效解空间探索，以及利用纠缠处理相关源，p-QIGA即使在有限数据下也能实现鲁棒分离。这些量子启发概念被集成到遗传算法框架中，以优化源分离参数。我们在两个数据集上展示了我们方法的有效性：代表典型城市声景的TAU Urban Acoustic Scenes 2020 Mobile数据集，以及捕捉COVID-19疫情期间较安静城市环境的Silent Cities数据集。实验结果表明，p-QIGA达到了与最先进方法相当的精度，同时在噪声和有限训练数据下表现出更强的鲁棒性，在噪声环境中实现了高达8.2 dB的信号失真比（SDR），并且仅使用10%的训练数据就比基线方法高出2 dB。这项研究突显了p-QIGA在推进智慧城市声学信号处理方面的潜力，特别是在噪声污染监测和声学监控方面。