基于广义合成分析和深度神经网络的自回归系数估计方法OA北大核心CSCDCSTPCD
Auto-Regressive Coefficient Estimation Based on the GABS and D NN
自回归(AR)模型是一类描述时序序列相关性的有效方法,经典的AR系数估计方法对残差信号做了简单的假设,在噪声干扰等复杂场景中难以准确估计AR系数,而基于深度神经网络(DNN)的AR(DNN-AR)系数估计方法在训练中容易受到莱文逊-杜宾迭代(LDR)解法的数值稳定性的影响.为改善DNN-AR系数训练的稳定性和整体性能,在保证系统稳定性的前提下,本文利用精度转化提高系统运算速度的思路,提出了基于广义合成分析(GABS)模型的深度网络结构改善方法,提高了AR系数在含噪环境下估计的准确性和网络训练的稳定性.组合DNN的GABS(GABS-DNN)的模型由三个主要部分组成:修正器的谱增强网络、编码器的DNN预处理及LDR参数估计和解码器的AR系数到功率谱的转换.在优化目标函数的过程中,引入了增强谱和观测谱的误差,减少了反向传播时LDR的梯度对增强网络的影响,实现了稳定估计含噪语音的AR系数.
崔子豪;鲍长春
北京工业大学信息学部,北京 100124北京工业大学信息学部,北京 100124
信息技术与安全科学
AR系数广义合成分析深度神经网络莱文逊-杜宾迭代解
《电子学报》 2021 (1)
复杂场景声信号获取和识别基础理论与方法研究: 多通道声信号获取、传输与重构
29-39,11
国家自然科学基金(No.61831019,No.61471014)
评论