华南理工大学学报(自然科学版)

作者：张瑞峰, 白金桐, 关欣, 等

单位：天津大学 微电子学院，天津 300072

关键词：音乐源分离,U型网络,时域端到端分离模型,简单循环单元,挤压-激励块,组归一化

基金：国家自然科学基金资助项目（61471263）；天津市自然科学基金资助项目（16JCZDJC31100）

音乐源分离在音乐信息检索领域有着重要的研究价值。传统音乐源分离方法存在依赖假设、模型复杂度有限、表示能力不足等问题。能应对这些问题的时域深度学习端到端网络模型训练耗时长，且分离性能有待提升。为进一步改善时域端到端分离模型的表示能力和计算效率，在目前时域分离性能最优的Demucs模型基础上进行改进，提出了一种端对端网络Unet-SE-BiSRU。该模型在广义编码层和解码层中引入了注意力机制，采用挤压-激励块（SE）根据待分离音频的种类有选择地提取特征；在一维卷积后增加组归一化，以应对在学习过程中可能出现的梯度爆炸或梯度消失问题；将双向长短期记忆网络改进为双向简单循环单元（BiSRU），进一步提高了学习的并行性，且降低了模型参数量。实验结果表明，改进后的网络模型的信噪比指标提升了0.34dB，在目前检索到的文献的时域端对端方法中取得了最好的分离性能，并且训练时间缩短为源模型的2/5。

来源：2021年第11期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2021年第11期