通過一系列基于自動編碼器的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu),單通道語音分離方法最近取得諸多進(jìn)展,其使用編碼器將輸入信號壓縮為中間特征,再把這些特征送入解碼器重構(gòu)感興趣的特定音頻源。然而,這些方法既無法為單通道語音分離學(xué)習(xí)原始輸入的生成因子,也無法構(gòu)造混合語音中的所有音頻源。本文提出一個新的加權(quán)因子自動編碼器模型,在目標(biāo)函數(shù)中引入正則化損失以約束目標(biāo)源,摒除其他信號源。通過在分離層中引入潛在注意力機(jī)制和監(jiān)督源構(gòu)造器,加權(quán)因子自動編碼器可為每一個信號源習(xí)得特定于源的生成因子和一組鑒別性特征,從而提升單通道語音分離性能。在基準(zhǔn)數(shù)據(jù)集上的實驗表明所提方法優(yōu)于現(xiàn)有方法。就3個重要指標(biāo)而言,加權(quán)因子自動編碼器在相對更具挑戰(zhàn)性的任務(wù)(與說話人無關(guān)的單通道語音分離)上取得巨大成功。 

【文章來源】：Frontiers of Information Technology & Electronic Engineering. 2020年11期 第1639-1651頁

【文章頁數(shù)】：13 頁


本文編號：2909778