基于语音信号特性的沙漏网络下的人声与伴奏分离算法

作     者：孙超 余勤 龚晓峰 雒瑞森 Sun Chao;Yu Qin;Gong Xiaofeng;Luo Ruisen

作者机构：四川大学电气工程学院四川成都610065 

基　　金：四川省科技厅项目(2020YFG0051) 校企合作项目(17H1199,19H0355) 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2023年第40卷第6期

页      码：89-95页

摘      要：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。

主 题 词：沙漏神经网络 人声与伴奏分离 语音信号特性 反向传播 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-386x.2023.06.015

馆 藏 号：203122461...