科研之友
微信
新浪微博
Facebook
分享链接
摘要
基频或基音的估计是各种语音信号处理技术的关键子问题，现有信号处理技术研究多使用数据驱动的方法，即通过卷积神经网络进行基频提取。然而，卷积神经网络中的卷积操作一次只能处理局部的音频样本点，只有在递归应用卷积操作时才能捕获全局音频样本点依赖关系，导致计算效率低与优化困难。受非局部模块在计算机视觉任务中具有较高性能的启发，提出一种具有非局部模块的卷积神经网络用于基频提取任务。非局部模块相比不断堆叠的卷积神经网络，可以直接计算两个位置之间的关系，由于其可以忽略欧氏距离，因此能够快速捕获长范围的依赖关系。对于基频估计任务，可在卷积神经网络中加入非局部模块以计算音频样本点之间的相似性，有助于捕获帧与帧和样本点与样本点之间的全局依赖关系，且非局部模块可以保持输入输出维度不变，能够快速地集成卷积神经网络。实验结果表明，该方法平均绝对误差仅为4.7，与基线模型相比，至少降低了0.7，能够获得最佳的模型性能。
- 单位
