雙路徑多尺度混合感知語音分離模型

打開文本圖片集

摘  要：單通道語音分離主要采用循環(huán)神經(jīng)網(wǎng)絡(luò)或卷積神經(jīng)網(wǎng)絡(luò)對語音序列建模，但這些方法都存在對較長停頓的語音序列建模困難的問題。提出一種雙路徑多尺度多層感知混合分離網(wǎng)絡(luò)（DPMNet）去解決這個問題。提出多尺度上下文感知建模方法，將三個不同時間尺度的輸入通道特征融合。與傳統(tǒng)的方法相比，加入全連接層以弱化噪音的干擾，卷積和全連接的交叉融合增加了模型的感受野，強(qiáng)化了長序列建模能力。（剩余15514字）