作者：兰琼琼; 陆志华; 叶庆卫; 周宇语音分离监督性学习特征组合dnn
摘要：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.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
