电气工程与系统科学 > 音频与语音处理
[提交于 2025年9月1日
]
标题: IS${}^3$ : 使用深度过滤的声学场景中通用的脉冲-稳态声音分离
标题: IS${}^3$ : Generic Impulsive--Stationary Sound Separation in Acoustic Scenes using Deep Filtering
摘要: 我们感兴趣的是能够对声景中的静止背景和孤立声学事件进行区分处理的音频系统,无论是在对每个部分应用特定处理方法时,还是仅关注其中一个而忽略另一个时。 此类系统在现实世界场景中有应用,包括稳健的自适应音频渲染系统(例如均衡器或压缩),语音混音中的爆破音衰减,噪声抑制或减少,稳健的声学事件分类甚至生物声学。 为此,我们引入了IS${}^3$,一种专为脉冲-静止声音分离设计的神经网络,它使用深度过滤方法将脉冲声学事件从静止背景中分离出来,可以作为上述任务的预处理阶段。 为了确保最佳训练,我们提出了一种复杂的数据生成流程,该流程整理并适应现有数据集以完成此任务。 我们证明,基于相对轻量级神经架构并使用精心设计和多样化数据训练的学习方法,在这一此前未涉及的任务中是成功的,其表现优于从音乐信号处理研究中改编的谐波-打击声分离掩码方法以及小波滤波在客观分离指标上的表现。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.