Deep neural networks for source separation and noise-robust speech recognition
الملخص
Réseaux de neurones profonds pour la séparation des sources et la reconnaissance robuste de la parole Dans cette thèse, nous traitons le problème de la séparation de sources audio multicanale par réseaux de neurones profonds (deep neural networks, DNNs). Notre approche se base sur le cadre classique de séparation par algorithme espérance-maximisation (EM) basé sur un modèle gaussien multicanal, dans lequel les sources sont caractérisées par leurs spectres de puissance à court terme et leurs matrices de covariance spatiales. Nous explorons et optimisons l'usage des DNNs pour estimer ces paramètres spectraux et spatiaux. À partir des paramètres estimés, nous calculons un filtre de Wiener multicanal variant dans le temps pour séparer chaque source. Nous étudions en détail l'impact de plusieurs choix de conception pour les DNNs spectraux et spatiaux. Nous considérons plusieurs fonctions de coût, représentations temps-fréquence, architectures, et tailles d'ensembles d'apprentissage. Ces fonctions de coût incluent en particulier une nouvelle fonction liée à la tâche pour les DNNs spectraux: le rapport signal-à-distorsion. Nous présentons aussi une formule d'estimation pondérée des paramètres spatiaux, qui généralise la formulation EM exacte. Sur une tâche de séparation de voix chantée, nos systèmes sont remarquablement proches de la méthode de l'état de l'art actuel et améliorent le rapport source-interférence de 2 dB. Sur une tâche de rehaussement de la parole, nos systèmes surpassent la formation de voies GEV-BAN de l'état de l'art de 14%, 7% et 1% relatifs en terme d'amélioration du taux d'erreur sur les mots sur des données à 6, 4 et 2 canaux respectivement
الكلمات المفتاحية
غير متوفر
التخصصات
رسائل وأطاريح مشابهة
- Automatic speech recognition and machine translation with deep neural networks for open educational resources, parliamentary contents and broadcast media Gonzalo Vicente Garcés Díaz-Munío · Universitat Politècnica de València · 2024
- SPEECH EMOTION RECOGNITION USING DEEP NEURAL NETWORKS Raiymbek Mustazhapov · Nazarbayev University · 2021
- Hand gesture recognition using deep learning neural networks Norah M. Alnaim · Brunel University London · 2020
- Dynamic Analysis of Recurrent Neural Networks Han Wang · Texas A&M University Libraries · 2020
- Implementation of Convolutional Neural Networks in FPGA for Image Classification Mark Espinosa · 2019
- Single-Channel Speech Enhancement Based on Deep Neural Networks Zhiheng Ouyang · Concordia University · 2019
