基于U-NET3 D的机器人歌声分离

摘要

提出了一种基于U-NET3D的机器人歌声分离方法.为了降低计算复杂度,仅在U-NET3D的第1层使用3维卷积神经网络,从输入的多声道音频中学习不同声源距离产生的幅度和相位特征.利用NAO机器人录制了具有多声源的4声道乐声混合音频数据集,录制的音乐和歌声源自iKala数据集.利用最小欧几里德距离对混音信号、伴奏和歌声进行序列匹配后合成6声道声音数据.实验结果表明,本文所提方法在噪声环境下具有良好的分离效果,与U-NET相比能更好地分离出目标歌声.