10.3969/j.issn.1000-386x.2023.06.015
基于语音信号特性的沙漏网络下的人声与伴奏分离算法
沙漏神经网络最初是为了解决人体姿态估计而设计的,最近有的工作将其迁移到人声与伴奏分离的任务之中,然而这种网络结构较简单,并且分离性能较差,分离出的信号会产生伪影.为了进一步提高分离性能,针对语音信号的特性构造一种新的损失函数,可以使网络更好地学习和优化;在整个网络中加入批标准化和Leaky-ReLU激活函数,改进网络的反向梯度传播,稳定学习过程.在MIR-1K数据集上的实验结果表明,改进后的算法分离后的人声在源-失真比,源-算法引入伪像比上原始沙漏网络分别提高了0.18 dB和0.26 dB,分离后的伴奏在源-失真比、源-干扰比和源-算法引入伪像比上分别提高了0.23 dB和0.32 dB,明显超过了目前的人声伴奏的算法.
沙漏神经网络、人声与伴奏分离、语音信号特性、反向传播
40
TP3(计算技术、计算机技术)
四川省科技厅项目;校企合作项目;校企合作项目
2023-07-10（万方平台首次上网日期，不代表论文的发表时间）
共7页
89-95
