基于时间卷积网络的深度聚类说话人语音分离

发布时间：2021-05-20 01:43

　　"鸡尾酒会问题"在语音分离任务上一直是一个难题,主要因为这个问题属于一个说话人无关的语音分离问题,对于说话人事先不知道其先验信息。通过参考Jonathan等提出的深度聚类方法,在其基础上进行改进,提出基于时间卷及网络的深度聚类模型,以理想二值掩蔽作为分离目标并在公开中文语音数据集下进行实验。实验结果表明,相比传统深度聚类模型,所提模型在训练速度、分离后的语音质量和语音客观可懂度方面都得到了提升。 

【文章来源】：计算机工程与设计. 2020,41(09)北大核心

【文章页数】：6 页

【文章目录】：
0 引 言
1 相关研究现状
2 特征提取、分离模型与分离目标
    2.1 特征提取
    2.2 基于时间卷积网络的深度聚类模型
    2.3 分离目标
3 实验与结果分析
    3.1 数据来源
    3.2 数据预处理
    3.3 网络参数
    3.4 评价标准
    3.5 结果与分析
4 结束语



本文编号：3196833