基于广义莫尔斯小波的散射变换网络及其在音乐流派分类中的应用
音频与语音处理
2022-06-17 v1 机器学习
摘要
我们提出在散射变换网络(STN)中使用广义莫尔斯小波(GMWs)替代常用的Morlet(或Gabor)小波,称之为GMW-STN,用于信号分类问题。GMWs构成了一个参数化的真正解析小波族,而Morlet小波仅是近似解析的。STN中底层小波滤波器的解析性对于诸如音乐信号等非平稳振荡信号尤为重要,因为它通过提供输入信号的多尺度幅值、相位(以及随之而来的频率)信息,提升了STN表示的可解释性。我们利用所谓的GTZAN数据库,在音乐流派分类中证明了GMW-STN优于传统STN。此外,我们展示了通过将层数增加到三层(典型为两层)所带来的GMW-STN性能提升。
引用
@article{arxiv.2206.07857,
title = {The Scattering Transform Network with Generalized Morse Wavelets and Its Application to Music Genre Classification},
author = {Wai Ho Chak and Naoki Saito and David Weber},
journal= {arXiv preprint arXiv:2206.07857},
year = {2022}
}