基于分离器-解码器结构深度神经网络未知数量单通道水声信号同步分离

单通道水声信号分离是一个具有实际意义的难题。现有研究很少关注信号数量未知的源分离问题,且如何评估系统性能尚不清楚。本文提出一种基于深度学习的同步分离方案,其固定输出通道数等于可能目标的最大数量,以解决这两个问题。该方案避免了由输出与目标对齐引起的排列问题所导致的维度灾难。具体而言,我们提出一种具有分离器-解码器结构的两步基于学习的分离模型。还提出了一种针对输出通道中存在不含目标信号的静音通道情况的分离系统性能评估方法,包含两项定量指标。在辐射船噪声模拟混合信号上的实验表明,所提方案能达到与已知信号数量时相似的分离性能。所提分离器-解码器结构的分离模型取得了与为已知信号数量开发的两个模型相竞争的性能,且具有高度可解释性和可扩展性,在该框架下达到了最先进水平。