Generalized Fast Multichannel Nonnegative Matrix Factorization Based on Gaussian Scale Mixtures for Blind Source Separation
Télécom Paris, Institut Polytechnique de Paris（巴黎理工学院电信巴黎）；RIKEN（理化学研究所）；Kyoto University（京都大学）；National Institute of Advanced Industrial Science and Technology（产业技术综合研究所）
本文从统一的角度描述了一种称为快速多通道非负矩阵分解（FastMNMF）的最先进的通用盲声源分离方法的重尾扩展。导出这种扩展的常见方式是用其重尾推广来替换似然函数中的多变量复高斯分布，例如，多元复Student t分布和尖峰广义高斯分布，并量身定制了相应的参数优化算法。使用更广泛的一类称为高斯尺度混合（GSM）的重尾分布，即，混合高斯分布的方差扰动的正随机标量称为脉冲变量，我们提出了GSM-FastMNMF和开发的expectationmaximization算法，即使当脉冲变量的概率密度函数没有解析表达式。我们表明，现有的重尾FastMNMF扩展的GSM-FastMNMF的实例，并推导出一个新的实例的基础上的广义双曲分布，包括正常逆高斯，学生的t，高斯分布的特殊情况。实验结果表明，在语音增强和分离方面，正态逆高斯FastMNMF的信失真比优于FastMNMF扩展和ILRMA模型。
2022-05-11 cs.SD eess.AS eess.SP
Informed FastICA: Semi-Blind Minimum Variance Distortionless Beamformer
Technical University of Liberec（利贝雷茨技术大学）；Naval Surface Warfare Center Carderock Division（卡德洛克分部海军水面作战中心）
该研究提出带先验信息的半盲FastICA/FastIVA变体，用MVDR解析形式替换原算法的正交约束，以加权协方差矩阵提供辅助信息，在模型驱动与学习驱动的提取方法间建立关联，经测试收敛快、性能良好。
2024-07-12 cs.SD eess.AS eess.SP
Speaker recognition improvement using blind inversion of distortions
Escola Universitària Politècnica de Mataró, UPC（马塔罗理工大学学院，加泰罗尼亚理工大学）；Universitat de VIC（维克大学）
在本文中，我们提出了非线性失真的反演，以提高说话人识别系统的识别率。我们研究了饱和度对测试信号的影响，试图考虑到真实的情况下，训练材料已被记录在一个受控的情况下，但测试信号存在一些与输入信号电平（饱和度）不匹配。实验结果表明，采用非线性失真补偿和非线性失真补偿相结合的数据融合方法，对饱和语音的识别率从80%提高到88.57%，而对纯净语音（无饱和）的识别率为87.76%。
2022-02-23 cs.LG cs.SD eess.AS
Towards Unsupervised Single-Channel Blind Source Separation using Adversarial Pair Unmix-and-Remix
Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Facebook AI Research（脸书人工智能研究院）
盲单通道信号分离是信号处理领域的一个长期挑战。许多方法被提出来解决这个问题，利用多个信号先验，如低秩，稀疏性，时间连续性等，最近的进展生成对抗模型的信号回归任务提供了新的机会。然而，对抗训练的力量还没有实现盲源分离任务。在这项工作中，我们提出了一种新的方法，盲源分离（BSS）使用对抗的方法。我们依赖于源的独立性来对近似分离的源对创建对抗性约束，这确保了良好的分离。在图像源上进行的实验验证了我们的方法的良好性能，并提出了我们的方法作为一个有前途的方法来解决一般信号的盲分离。
2019-05-16 cs.LG cs.SD eess.AS
Blind Source Separation of Radar Signals in Time Domain Using Deep Learning
Fraunhofer Institute for High Frequency Physics（弗劳恩霍夫高频物理研究所）；Radar Techniques FHR（雷达技术部）；Institute of Signal Processing（信号处理研究所）；System Theory, University of Stuttgart（系统理论系，斯图加特大学）
本文提出利用深度学习进行时域雷达信号盲源分离，通过监督训练的神经网络实现对未知雷达和通信信号的解交织。
2026-01-27 cs.SD eess.AS eess.SP
A Computationally Efficient and Practically Feasible Two Microphones Blind Speech Separation Method
传统上，盲语音分离技术在计算上是昂贵的，因为它们在每个时间帧索引处更新去混合矩阵，使得它们在许多实时应用中不切实际。本文采用一种稳健的数据驱动双麦克风声源定位方法作为准则，以降低独立向量分析（IVA）盲语音分离（BSS）方法的计算复杂性。IVA用于分离卷积混合的语音和噪声源。通过在智能手机设备上实现该方法来分离助听器应用中真实场景中的语音和噪声，证明了该方法的实际可行性。客观和主观测试的实验结果表明，开发的方法在许多现实世界的应用中的实际可用性。
2018-12-10 cs.SD eess.AS
Minimum-volume Multichannel Nonnegative matrix factorization for blind source separation
Georgia Institute of Technology（佐治亚理工学院）；Anonymous University（匿名大学）
多通道盲音频声源分离的目的是在没有监督信息的情况下从多通道混合信号中恢复出潜在的声源。一种最先进的盲音频声源分离方法，称为独立低秩矩阵分析（ILRMA），将独立向量分析（IVA）和非负矩阵分解（NMF）结合起来。然而，从NMF产生的谱矩阵可能找不到紧凑的谱基。它也可能无法保证每个来源的可识别性。为了解决这个问题，在这里，我们建议通过最小体积先验分布来增强源模型的可识别性。我们进一步正则化多通道NMF（MNMF）和ILRMA分别与最小体积正则化。所提出的方法最大化分离源的后验分布，这保证了收敛的稳定性。实验结果表明，与辅助独立向量分析，MNMF，ILRMA及其扩展相比，所提出的方法的有效性。
2021-03-30 cs.SD eess.AS
A Comparison and Combination of Unsupervised Blind Source Separation Techniques
Paderborn University（帕德博恩大学）
无监督盲声源分离方法不需要训练阶段，因此不会遭受训练-测试失配，这是基于神经网络的声源分离中的常见问题。无监督的技术可以分为两类，那些建立在语音的稀疏性在短时傅立叶变换域和那些利用非高斯或非平稳的源信号。在这方面的贡献，空间混合模型属于第一类和独立向量分析（IVA）作为第二类的代表进行了比较w.r.t.它们的分离性能和下游语音识别器在合理大小的混响数据集上的性能。此外，我们引入了一个串行级联的两个，其中的混合模型的结果作为初始化的IVA，这实现了显着更好的WER性能比每个算法单独，甚至接近一个更复杂的神经网络为基础的技术的性能。
2021-06-10 cs.SD eess.AS
Efficient Full-Rank Spatial Covariance Estimation Using Independent Low-Rank Matrix Analysis for Blind Source Separation
The University of Tokyo（东京大学）；National Institute of Technology, Kagawa College（国立高等专门学校机构 香川高等专门学校）
在本文中，我们提出了一种新的算法，有效地分离的方向源和扩散的背景噪声的基础上独立低秩矩阵分析（ILRMA）。ILRMA是盲声源分离（BSS）的最新技术之一，基于秩1空间模型。虽然这样的模型不适用于扩散噪声，ILRMA可以准确地估计的方向源的空间参数。受此启发，我们利用这些估计来恢复丢失的空间基础的扩散噪声，这可以被认为是一个有效的满秩空间协方差估计。盲源分离实验表明，该方法的计算成本和分离性能的有效性。
2019-06-18 cs.SD eess.AS
Bayesian Non-Parametric Multi-Source Modelling Based Determined Blind Source Separation
NEC Corporation（日本电气股份有限公司）；Data Science Research Laboratories, NEC Corporation（NEC公司数据科学研究实验室）
提出了一种基于贝叶斯非参数模型的确定性盲声源分离方法。传统上，源信号通过使用非负矩阵分解（NMF）对它们进行建模而从给定的混合信号集合中分离。然而，在NMF中，必须适当地指定表示模型复杂性的潜在变量，以避免过拟合或欠拟合。由于现实世界的来源可以是不同的和未知的复杂性，我们提出了一个贝叶斯非参数框架，这是不变的，这样的潜变量。我们表明，我们提出的方法适应不同的源的复杂性，而传统的方法需要参数调整的最佳分离。
2019-04-08 cs.LG cs.SD eess.AS
Blind Source Separation Using Mixtures of Alpha-Stable Distributions
Inria Rennes - Bretagne Atlantique（法国国家信息与自动化研究所雷恩-布列塔尼大西洋分所）；Inria（法国国家信息与自动化研究所）；LIRMM（蒙彼利埃信息、机器人与微电子实验室）；University of Montpellier（蒙彼利埃大学）
提出了一种基于混合α-稳定分布的盲源分离算法。最近已经表明，由于其更大的动态范围，复对称α-稳定分布比经典高斯分布更好地在时间-频率域中对音频信号进行建模。然而，这些模型的推理是出了名的难以执行，因为它们的概率密度函数一般没有封闭形式的表达式。本文提出了一种基于特征函数匹配的α稳定分布混合估计方法.我们将其应用于从多通道卷积音频混合中的各个频带中的二进制掩码的盲估计。我们表明，该方法产生更好的分离性能比基于高斯的二进制掩蔽方法。
2018-02-12 cs.SD eess.AS stat.ML
Frequency domain TRINICON-based blind source separation method with multi-source activity detection for sparsely mixed signals
Nanjing University（南京大学）
TRINICON（卷积混合的三N ICA）框架是一种有效的盲信号分离（BSS）方法，用于从卷积混合中分离声源。它充分利用了源信号的非白性、非平稳性和非高斯性，可以在时域或频域实现，避免了臭名昭著的内部置换问题。它通常具有最好的性能时，源连续混合。本文研究了稀疏混合信号的离线双通道频域TRINICON实现，提出了一种多源活动检测方法，用于定位每个源的活动周期，并在此基础上对滤波器更新策略进行正则化，以提高分离性能。利用BSSEVAL工具包提供的客观指标来评估所提出的方案的性能。
2018-02-25 cs.SD eess.AS
Directional Sparse Filtering using Weighted Lehmer Mean for Blind Separation of Unbalanced Speech Mixtures
Nanyang Technological University（南洋理工大学）；Delta-NTU Corporate Lab for Cyber-Physical Systems（Delta-南大网络物理系统联合实验室）；Delta Electronics Inc（台达电子公司）
在语音信号的盲源分离中，源频谱中固有的不平衡性对依赖于单源优势来估计混合矩阵的方法提出了挑战。我们提出了一种算法的基础上的方向稀疏滤波（DSF）的框架，利用Lehmer平均与可学习的权重，自适应占源不平衡。在多个真实声学环境中的性能评估显示，与基线方法相比，源分离有所改善。
2021-05-14 cs.LG cs.SD eess.AS
Multi-modal Blind Source Separation with Microphones and Blinkies
Tokyo Metropolitan University（东京都立大学）
我们提出了一个盲声源分离算法，联合利用测量由传统的麦克风阵列和一个特设的低速率声功率传感器阵列称为binkies。虽然比麦克风提供更少的信息，但Blinkies在制造，同步和部署方面规避了麦克风阵列的一些困难。该算法是来自联合概率模型的麦克风和声功率测量。我们假设分离源服从时变球面高斯分布，并且非负功率测量空时矩阵具有低秩结构。我们发现，类似于独立向量分析和Itakura-Saito非负矩阵分解的交替更新降低了联合分布的负对数似然。通过数值实验验证了该算法的有效性。它的中值分离性能被发现是高达8 dB以上的独立向量分析，具有显着降低的变异性。
2019-04-04 cs.SD eess.AS
Blind Source Separation in Biomedical Signals Using Variational Methods
McMaster University（麦克马斯特大学）
本文提出一种基于变分自编码器的无监督方法，用于分离重叠的心肺音，无需标签数据，在真实录音中实现准确重建，适用于便携诊断与智能听诊器。
2025-06-23 cs.SD eess.AS
Single-Channel Blind Source Separation for Singing Voice Detection: A Comparative Study
提出了一种新的基于单通道盲音频声源分离（BASS）算法的无监督歌声检测方法。为了达到这一目标，我们研究了三个有前途的BASS方法，通过形态学过滤的分析混合物光谱图。本文的贡献是多方面的。首先，研究的BASS方法改写相同的形式主义，我们调查各自的超参数的数值模拟。其次，我们提出了一个扩展的KAM方法，我们提出了一种新的训练算法，用于计算一个特定的源内核从一个给定的孤立的源信号。其次，BASS方法进行了比较，在声源分离的准确性和歌唱声检测的准确性方面，当他们被用于我们的新的歌唱声检测框架。最后，我们做了一个详尽的歌声检测评估，我们比较监督和无监督的歌声检测方法。我们的比较探讨了不同的组合，提出的BASS方法与新的功能，如新提出的KAM功能和散射变换，通过机器学习框架，也考虑了卷积神经网络方法。
2018-05-03 cs.SD eess.AS
Multichannel blind speech source separation with a disjoint constraint source model
CIAIC, Northwestern Polytechnical University（西北工业大学）
针对多通道盲语音源分离中未充分利用语音信号稀疏性的问题，本研究利用Bingham和Laplace分布构建不相交约束正则化项，将其整合到MNMF和ILRMA中，推导出s-MNMF和s-ILRMA两种增强算法，实验证明其能有效提升分离性能。
2024-01-03 cs.SD eess.AS
A Unifying View on Blind Source Separation of Convolutive Mixtures based on Independent Component Analysis
Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）
本文系统梳理了FD-ICA、IVA和TRINICON三类卷积盲源分离算法的共同构建模块与差异，建立了统一框架，填补了TRINICON与ICA类方法之间关系不明确的空白。
2022-07-28 cs.SD eess.AS
Blind Source Separation with Optimal Transport Non-negative Matrix Factorization
Kyoto University（京都大学）；NTT Communication Science Laboratories（NTT通信科学实验室）
最优运输作为机器学习优化问题的一种损失，最近得到了很多关注。基于计算最优传输的最新进展，我们提出了一种用于有监督语音盲声源分离（BSS）的最优传输非负矩阵分解（NMF）算法。最佳传输使我们能够设计和利用短时傅里叶变换（STFT）频谱图频率之间的成本，这考虑了人类如何感知声音。我们给出的经验证据表明，使用我们提出的最佳传输NMF导致感知更好的结果比欧几里德NMF，孤立的语音重建和BSS任务。最后，我们演示了如何使用跨域声音处理任务的最佳传输，其中在输入频谱图中表示的频率可能是不同的从一个频谱图到另一个。
2018-02-15 cs.SD eess.AS stat.ML
Determined Multichannel Blind Source Separation with Clustered Source Model
Northwestern Polytechnical University（西北工业大学）
本文提出基于非负块项分解的聚类源模型，通过可解释潜在向量和正交性约束改进ILRMA，在无回声和模拟混响环境中均取得更优的盲源分离性能。
2024-05-06 cs.SD eess.AS
Blind Source Separation for Mixture of Sinusoids with Near-Linear Computational Complexity
我们提出了一个多音分解算法，可以找到的频率，幅度和相位的基本正弦信号在一个嘈杂的观察序列。在独立同分布的高斯噪声下，我们的方法利用最大似然方法从受污染的观测中估计相关的音调参数。在估计$M$数目的正弦源时，我们的算法连续地估计它们的频率，并联合优化它们的幅度和相位。我们的方法也可以实现为一个盲源分离器的信息的情况下，有关$M$。我们的算法的计算复杂度是近似线性的，即，$\tilde{O}(N)$。
2022-03-27 cs.LG eess.AS eess.SP
Determined blind source separation via modeling adjacent frequency band correlations in speech signals
Northwestern Polytechnical University（西北工业大学）；University of Toulouse（图卢兹大学）；INP-ENSEEIHT（国立高等电子与电工技术工程师学院）；CIAIC（中国航空工业集团公司第六三一研究所）；Shaanxi Provincial Key Laboratory of Artificial Intelligence（陕西省人工智能重点实验室）；IRIT（图卢兹计算机科学研究所）
本文针对语音信号中相邻频带相关性显著强于远距离频带的特点，提出加权Sinkhorn散度ILRMA（wsILRMA），通过引入频间相关性约束同时建模频间依赖和联合概率分布，在SDR和SIR指标上优于现有MBSS方法。
2025-04-05 cs.SD eess.AS
Target Speech Extraction Based on Blind Source Separation and X-vector-based Speaker Selection Trained with Data Augmentation
从混合语音中提取所需的语音是一项有意义且具有挑战性的任务。端到端的基于DNN的方法虽然有吸引力，但面临泛化问题。在本文中，我们探讨了一个顺序的方法，目标语音提取相结合的盲源分离（BSS）的x-向量为基础的说话人识别（SR）模块。利用并比较了两种基于信源独立性假设的盲源分离方法：独立低秩矩阵分析（ILRMA）和多通道变分自编码（MVAE）。ILRMA采用非负矩阵分解（NMF）来捕获源信号的频谱结构，MVAE利用深度神经网络（DNN）的强大建模能力。然而，MVAE的研究一直局限于很少的说话人的训练，通常包括测试说话人的语音信号。我们使用500个说话人的干净语音信号扩展MVAE的训练，以评估其对未见过的说话人的泛化。为了提高正确提取率，我们采用了两种数据增强策略来训练SR模块。所提出的级联方法的性能进行了研究与测试数据构建不同环境下的真实房间脉冲响应。
2020-10-30 eess.AS eess.SP
Mixing-Specific Data Augmentation Techniques for Improved Blind Violin/Piano Source Separation
National Cheng Kung University（国立成功大学）；Academia Sinica（中央研究院）；Taiwan AI Labs（台湾人工智能实验室）
盲音乐源分离一直是音乐信息检索和信号处理领域的热门研究课题。为了解决缺乏可用的多音轨数据进行监督模型训练的问题，一种通过组合来自不同歌曲的音轨来创建人工混合的数据增强方法在最近的工作中已经被证明是有用的。根据这一点，我们在本文中进一步研究扩展的数据增强方法，考虑更复杂的混合设置在现代音乐制作程序，轨道之间的关系相结合，和沉默的因素。作为一个案例研究，我们认为分离的小提琴和钢琴曲目的小提琴钢琴合奏，评估性能方面的共同指标，即SDR，SIR和SAR。除了检查这些新的数据增强方法的有效性外，我们还研究了训练数据量的影响。我们的评估表明，提出的混合特定数据增强方法可以帮助提高基于深度学习的源分离模型的性能，特别是在训练数据较小的情况下。
2020-08-06 cs.LG cs.SD eess.AS
Subband Splitting: Simple, Efficient and Effective Technique for Solving Block Permutation Problem in Determined Blind Source Separation
Waseda University（早稻田大学）；Tokyo University of Agriculture and Technology（东京农工大学）
针对确定性BSS中的块排列问题，本文提出重叠子带分割并顺序执行分离、跨子带初始化对齐的方法，显著提升性能且不增加计算成本。
2025-03-14 cs.SD eess.AS
Binaural multichannel blind speaker separation with a causal low-latency and low-complexity approach
Carl von Ossietzky University（卡尔·冯·奥西茨基大学）
提出用于噪声混响环境的因果低延迟低复杂度双耳多通道盲说话人分离模型 GCBFSnet，通过 GC 显著降低模型规模与复杂度，并在多数指标上匹配 TasNet 基线。
2023-12-08 cs.SD eess.AS
Determined Blind Source Separation with Sinkhorn Divergence-based Optimal Allocation of the Source Power
Center of Intelligent Acoustics and Immersive Communications, Northwestern Polytechnical University（智能声学与沉浸通信中心，西北工业大学）；University of Toulouse, IRIT/INP-ENSEEIHT（图卢兹大学，IRIT/INP-ENSEEIHT）
本文针对IVA和ILRMA等盲源分离方法忽略频带间结构信息的问题，提出利用Sinkhorn散度与最优传输框架自适应校正源方差估计并重新分配频带功率，从而增强分离性能。
2025-02-25 cs.SD eess.AS
Blind Audio Source Separation with Minimum-Volume Beta-Divergence NMF
Université de Mons（蒙斯大学）
考虑到混合信号组成的各种音频源和记录与一个单一的麦克风，我们认为在本文中的盲音频源分离问题，其中包括在隔离和提取每个源。为了执行此任务，基于Kullback-Leibler和Itakura-Saito $β$ -发散的非负矩阵分解（NMF）是使用信号的时频表示的标准和最先进的技术。我们提出了一个新的NMF模型更适合这项任务。它是基于最小化的$β$ -发散以及一个惩罚项，促进列的字典矩阵有一个小的体积。在一些温和的假设和无噪声条件下，我们证明了该模型是可证明的能够识别的来源。为了解决这个问题，我们提出了乘法更新，其推导是基于标准的优化最小化框架。我们的几个数值实验表明，我们的新模型是能够获得更多的解释比标准NMF模型的结果。此外，我们表明，它是能够恢复的源，即使当源的数量存在于混合信号被高估。事实上，我们的模型在这种情况下会自动将源设置为零，从而自动执行模型顺序选择。
2020-04-28 cs.LG cs.SD eess.AS
Blind Source Separation in Polyphonic Music Recordings Using Deep Neural Networks Trained via Policy Gradients
Center for Industrial Mathematics, University of Bremen（不来梅大学工业数学中心）；Mathematics Department, Colorado State University（科罗拉多州立大学数学系）
提出了一种对音频信号中乐器声音进行盲分离的方法。我们通过一个参数模型来描述各个音调，训练一个字典来捕获谐波的相对幅度。模型参数通过U-Net进行预测，U-Net是一种深度神经网络。基于模型预测与短时傅里叶变换的各个时间帧之间的差异，在没有地面实况信息的情况下训练网络。由于一些模型参数不产生有用的反向传播梯度，我们随机建模，并采用策略梯度。为了提供相位信息并解释基于词典的表示中的不准确性，我们还让网络输出直接预测，然后我们使用它来重新合成各个乐器的音频信号。由于神经网络的灵活性，非谐波可以无缝地合并，不需要对输入光谱进行预处理。我们的算法产生高质量的分离结果，特别是低干扰的各种不同的音频样本，无论是声学和合成，提供的样本包含足够的数据的训练和乐器的频谱特性是足够稳定的字典近似。
2021-08-09 cs.LG cs.SD eess.AS
Neural Fast Full-Rank Spatial Covariance Analysis for Blind Source Separation
National Institute of Advanced Industrial Science and Technology（产业技术综合研究所）；RIKEN（理化学研究所）；Tokyo Metropolitan University（东京都立大学）；Kyoto University（京都大学）
本文提出神经FastFCA，一种基于全秩但联合可对角化空间模型的高效无监督盲源分离方法，通过交替神经网络与迭代源转向实现快速分离，性能优于传统方法且计算时间大幅降低。
2023-06-17 cs.LG cs.SD eess.AS
Blind Separation of Vibration Sources using Deep Learning and Deconvolution
RSL Electronics LTD（RSL电子有限公司）
针对齿轮振动掩盖低能量轴承故障信号的问题，提出结合 dilated CNN、残差平方对数包络与 WBD 的两阶段盲分离方法，可在无设备先验信息时早期检测局部及分布式轴承故障。
2024-05-21 cs.AI cs.LG eess.AS
Distortion-controlled Training for End-to-end Reverberant Speech Separation with Auxiliary Autoencoding Loss
随着端到端神经网络体系结构的发展，消声环境中的语音增强和分离系统的性能得到了显著提高。然而，这种系统在混响环境中的性能还有待探索。混响语音分离的一个核心问题是训练和评价指标。标准的时域度量可能在训练期间引入意外的失真，并且由于混响的存在而不能正确地评估分离性能。在本文中，我们首先介绍了混响分离中的“等值线”问题，其中多个输出可以导致相同的性能测量的共同指标。然后，我们研究了如何通过辅助自动编码训练（A2T）选择具有较低目标特定失真的“更好”输出。A2T假设分离是通过对混合信号进行线性运算来完成的，并且它在直达路径目标信号的自动编码上添加了损失项，以确保在分离期间控制引入直达路径信号上的失真。对分离信号质量和语音识别精度的评价表明，A2T能够控制直达波信号的失真，提高识别精度。
2020-11-14 eess.AS
Fast Multichannel NMF with Block-Diagonal Spatial Covariance Matrices for Efficient Blind Source Separation Using Distributed Microphone Arrays
The University of Tokyo（东京大学）；The National Institute of Advanced Industrial Science and Technology (AIST)（产业技术综合研究所）
本文提出了一种分布式快速多通道非负矩阵分解方法，通过引入块对角空间协方差矩阵结构，减少计算成本并提高盲源分离效率。
2026-05-19 eess.AS
Neural Blind Source Separation and Diarization for Distant Speech Recognition
National Institute of Advanced Science and Technology (AIST)（日本产业技术综合研究所）；Carnegie Mellon University（卡内基梅隆大学）
针对远场多说话人语音识别中 GSS 依赖说话人日志的问题，提出弱监督神经推理模型，仅用多通道混合及说话人活动时间标注训练，实现联合盲源分离与日志，并在 AMI 上词错误率优于带 oracle 日志的 GSS。
2024-06-12 cs.AI eess.AS
