To date, mainstream target speech separation (TSS) approaches are formulated to estimate the complex ratio mask (cRM) of the target speech in time-frequency domain under supervised deep learning framework. However, the existing deep models for estimating cRM are designed in the way that the real and imaginary parts of the cRM are separately modeled using real-valued training data pairs. The research motivation of this study is to design a deep model that fully exploits the temporal-spectral-spatial information of multi-channel signals for estimating cRM directly and efficiently in complex domain. As a result, a novel TSS network is designed consisting of two modules, a complex neural spatial filter (cNSF) and an MVDR. Essentially, cNSF is a cRM estimation model and an MVDR module is cascaded to the cNSF module to reduce the nonlinear speech distortions introduced by neural network. Specifically, to fit the cRM target, all input features of cNSF are reformulated into complex-valued representations following the supervised learning paradigm. Then, to achieve good hierarchical feature abstraction, a complex deep neural network (cDNN) is delicately designed with U-Net structure. Experiments conducted on simulated multi-channel speech data demonstrate the proposed cNSF outperforms the baseline NSF by 12.1% scale-invariant signal-to-distortion ratio and 33.1% word error rate.


翻译:迄今为止,制定了主流目标语言分离(TSS)方法,以估计在有监督的深层次学习框架内在时频域中目标语言的复杂比例掩码(CRM),然而,目前用于估计CRM的现有深层模型的设计方式是,使用实际价值的培训数据对等分别建模CRM的真实部分和想象部分;本研究的动机是设计一个深度模型,充分利用多频道信号的时光谱空间空间空间信息,在复杂领域直接和高效率地估计CRM;因此,设计了一个新型TSS网络,由两个模块组成,一个复杂的神经空间过滤器(cSF)和一个MVDR(MDR)组成。从根本上说,CSFM是一个CRM估计模型,一个MVDR模块升级为CSF模块,以减少神经网络引入的非线性语言扭曲。具体地说,为了符合CRMMM目标,CSF的所有输入特征都根据监督的学习模式重塑为复杂估价的表示方式。然后,为了实现良好的等级特征抽象特征,一个复杂的深层神经空间空间空间过滤网络(DNNNSFMISMSF)比标比标准结构结构结构,由模拟的MSFMLMLMLM-CM-SFSFSFMLMLM-CM-CMLMLM-SFADMLM-SF结构结构结构设计。

0
下载
关闭预览

相关内容

神经常微分方程教程,50页ppt,A brief tutorial on Neural ODEs
专知会员服务
71+阅读 · 2020年8月2日
【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
专知会员服务
60+阅读 · 2020年3月19日
抢鲜看!13篇CVPR2020论文链接/开源代码/解读
专知会员服务
49+阅读 · 2020年2月26日
【资源】语音增强资源集锦
专知
8+阅读 · 2020年7月4日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
已删除
将门创投
8+阅读 · 2019年3月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
语音顶级会议Interspeech2018接受论文列表!
专知
6+阅读 · 2018年6月10日
ResNet, AlexNet, VGG, Inception:各种卷积网络架构的理解
全球人工智能
19+阅读 · 2017年12月17日
Learning in the Frequency Domain
Arxiv
11+阅读 · 2020年3月12日
Phase-aware Speech Enhancement with Deep Complex U-Net
Arxiv
8+阅读 · 2018年11月27日
VIP会员
Top
微信扫码咨询专知VIP会员