Jul, 2022

基于自编码器的未知数量单声道水声信号源分离

PDF
TL;DR本文提出了一种基于自编码器的可解释算法，用于分离未知数量的水声信号，并利用新的性能评估方法处理了静默通道的情况。实验结果表明，该方法在模拟的声纳信号分离方面表现出与已知数量信号分离方法相当的性能。
underwater acoustic signalssignal separationautoencodersperformance evaluationmute channels
发现论文，激发创造
  • 使用深度自编码器进行音频源分离

    该论文提出了一种利用深度自编码器进行无监督音频源分离的新框架，在适当配置的自编码器的帮助下，通过对编码器向量进行聚类，自动分离混合输入中未知源信号的特征。通过调查权重向量并对激活系数在代码层进行聚类，观察了频域中音频信号的原始组件。通过使用属于不同聚类的代码向量，分离并重构原始源声音。虽然回复的音频不是完美的，但在许多实际应用中可能会产生有希望的结果。

    Dec, 2014

  • 多分辨率卷积自编码器实现的原始多通道音频源分离

    本研究提出了一种基于多通道，多分辨率卷积自编码神经网络，通过对原始时域信号进行处理以确定适用于从立体声音乐中分离歌唱声的多分辨率特征，实验结果表明该方法可以实现多通道音频源分离，无需任何手工制作的特征或任何预处理或后处理。

    Mar, 2018

  • 未知数量多方讲话者的声音分离

    我们提出了一种使用门控神经网络在多个处理步骤中训练以将不同数量的混合说话人分离的新方法，该方法在保持每个输出通道中的说话人不变的同时。我们为每个可能的说话人数量训练了不同的模型，并使用具有最多说话人数的模型来选择给定样本中的实际说话人数。该方法在音频分离方面远远超过当前的技术水平，特别是在超过两个说话人的情况下。

    Feb, 2020

  • 通过自适应数据修剪和平滑 - 引导正则化对水下声纳目标识别的改进

    本研究针对数据采集困难的问题，对基于水声识别的船舶辐射信号进行数据整合，采用交叉熵策略和 KL 散度的光滑度约束正则化方法来补充并优化训练数据，实验证明，该方法在低资源场景下能显著提升模型表现。

    Apr, 2023

  • 未知发言者数量的递归语音分离

    该论文提出了一种用于未知扬声器数量的单通道扬声器非特定多扬声器语音分离方法，其中引入了排列不变训练，使模型具有递归性，并且通过使用基于深度神经网络的分类器进行递归分离来更准确地估计混音中扬声器数量，从而在 WSJ0-2mix 和 WSJ0-3mix 数据集上实现了最先进的结果，具有可扩展性和准确性。

    Apr, 2019

  • 基于自编码器的超声默读口形与声学映射

    通过对超声图像训练自编码神经网络，将神经网络的输入特征从像素级别转移为自编码器的瓶颈层激活，以更高的效率和准确性估计语音合成所需的频谱参数。

    Apr, 2019

  • 端到端麦克风排列和数量不变多通道语音分离

    本文提出 transform-average-concatenate (TAC) 一种简单的设计范式来进行通道置换和数量不变的多通道音频分离，并基于最近提出的端到端深度学习模型 FaSNet 来展示 TAC 如何显著提高在各种噪声和混响环境下的不同麦克风数量的音频分离任务中的性能。

    Oct, 2019

  • 使用生成对抗网络进行单通道信号分离和反卷积

    本论文提出了一种基于对抗生成网络和优化算法的合成 - 分解方法，可用于单通道信号分离和反卷积，能够识别混合信号中的各个源，实现了峰值信噪比的提高。

    Jun, 2019

  • 火星时间序列揭示：多尺度嵌套方法与因子变分自编码器

    该论文提出了一种利用小波散射协方差的无监督多尺度聚类和源分离框架，通过将信号转化为低维空间中的散射协方差表示，并使用高斯混合自编码器对不同尺度的信号进行概率聚类，以实现源的分离。该方法在火星 NASA InSight 任务记录的地震数据中进行了验证。

    May, 2023

  • 基于音频查询的音乐源分离

    这篇论文提出了一种基于音频查询的音乐源分离方法，可以通过查询信号明确地编码源信息，以及在无查询条件下生成通过潜空间插值连续输出的分离掩模。

    Aug, 2019