为提高监督性语音分离在多种训练目标下的分离性能,提出一种基于特征组合的多目标监督性语音分离方法。针对声学特征之间的不同特性,采用group lasso方法对时频域特征进行选择及组合;利用深度神经网络(Deep Neural Network, DNN)模型实现组合特征在多目标下的分离实验。实验结果表明,使用特征组合得到的分离性能有显著的提高,且在多种训练目标下都显示出了可行性与优越性。
科研之友
微信
新浪微博
Facebook
分享链接
