首页| 行业标准| 论文文档| 电子资料| 图纸模型
购买积分 购买会员 激活码充值

您现在的位置是:团子下载站 > 通信网络 > 确定音频源分离的独立深度学习矩阵分析详细资料说明

确定音频源分离的独立深度学习矩阵分析详细资料说明

  • 资源大小:4.30 MB
  • 上传时间:2022-01-05
  • 下载次数:0次
  • 浏览次数:42次
  • 资源积分:1积分
  • 标      签: 监督学习 深度学习 滤波器

资 源 简 介

提出了一种新的独立深度学习矩阵分析(IDLMA)框架,将深度神经网络(DNN)和基于独立性的多通道音频源分离技术相结合。IDLMA利用预训练DNN信源模型和信源间的统计独立性进行分离,利用DNN对每个信源的时频结构进行迭代优化,同时提高空间分频滤波器的估计精度。作为源生成模型,我们引入了复杂的重尾分布以提高分离性能。此外,我们还讨论了一种半监督的情况,即在混合信号中只能为一个源准备一个单独录制的音频数据集。为了解决有限数据问题,我们提出了一种适当的数据增强方法,使DNN源模型适应于观测信号,使IDLMA能够在半监督的情况下工作。在有监督和半监督两种情况下,利用训练数据集对音乐信号进行了实验。结果表明,该方法在分离精度方面是有效的。索引项音频源分离,独立成分分析,深层神经网络,半监督学习。
VIP VIP