訊號源分離方法及訊號源分離裝置

專利類型

發明

專利國別 (專利申請國家)

中華民國

專利申請案號

107105469

專利證號

I 651927

專利獲證名稱

訊號源分離方法及訊號源分離裝置

專利所屬機關 (申請機關)

國立中央大學

獲證日期

2019/02/21

技術說明

深層類神經網路目前已成為處理訊號源分離問題之熱門方法。其中，幾乎所有以深層類神經網路為基礎之分離方法皆只用混合訊號頻譜之能量(Magnitude)做為網路訓練資料，而忽略了相位(Phase)這個隱含在短時傅立葉轉換(STFT)係數中之重要資訊。在本研究中，我們在進行分離時保留頻譜之相位資訊，從輸入混合訊號中估算目標來源訊號之短時傅立葉轉換係數，並視其為一複數域回歸問題。我們發展複數深層類神經網路，來學習混合訊號之短時傅立葉轉換係數到來源訊號之短時傅立葉轉換係數間的非線性映射，做法是利用短時傅立葉轉換將混合訊號轉至時頻域後，將其複數短時傅立葉轉換係數輸入複數深層類神經網路中，藉此同時考慮能量與相位資訊。此外本研究也提出在成本函數部分加入具有重建性及稀疏性限制式，以提升訊號分離效果。 Deep neural networks (DNNs) have become a popular means of separating a target source from a mixed signal. Almost all DNN-based methods modify only the magnitude spectrum of the mixture. The phase spectrum is left unchanged, which is inherent in the short-time Fourier transform (STFT) coefficients of the input signal. Accordingly, in this research, estimating the STFT coefficients of target sources from an input mixture is regarded a regression problem. A fully complex-valued deep neural network is developed herein to learn the nonlinear mapping from complex-valued STFT coefficients of a mixture to sources. The proposed method is applied to signal separation.

備註

連絡單位 (專責單位/部門名稱)

智權技轉組

連絡電話

03-4227151轉27076

網址