信号提取系统、信号提取学习方法以及信号提取学习程序.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113892136A(43)申请公布日2022.01.04(21)申请号201980096829.7(51)Int.Cl.(22)申请日2019.05.28G10L17/18(2013.01)G10L17/00(2013.01)(85)PCT国际申请进入国家阶段日G10L17/04(2013.01)2021.11.25G10L17/10(2013.01)(86)PCT国际申请的申请数据G10L25/30(2013.01)PCT/JP2019/0210382019.05.28(87)PCT国际申请的公布数据WO2020/240682JA2020.12.03(71)申请人日本电气株式会社地址日本东京(72)发明人越仲孝文山本仁鲤田薰铃木隆之(74)专利代理机构中原信达知识产权代理有限责任公司11219代理人孙志湧李兰权利要求书2页说明书10页附图8页(54)发明名称信号提取系统、信号提取学习方法以及信号提取学习程序(57)摘要一种神经网络输入单元(81)，其输入其中组合了第一网络和第二网络的神经网络，第一网络具有用于输入属于预定类别的锚信号和包括属于该类别的目标信号的混合信号的层以及用于将指示目标信号存在于混合信号中的时频域的重构掩码来作为估计结果进行输出的层，并且第二网络具有用于输入通过将混合信号应用于重构掩码而提取的目标信号的层和用于输出通过将输入的目标信号分类为预定的类别而获得的结果的层。重构掩码估计单元(82)将锚信号和混合信号应用于第一网络以估计锚信号所属类别的重构掩码。信号分类单元(83)将混合信号应用于估计的重构掩码以提取目标信号，并且将提取的目标信号应用于第二网络以将目标信号分类为所述类别。CN113892136ACN113892136A权利要求书1/2页1.一种信号提取系统，包括：神经网络输入单元，所述神经网络输入单元输入其中组合了第一网络和第二网络的神经网络，所述第一网络具有用于将属于预定类别的锚信号以及包括属于所述类别的目标信号在内的混合信号进行输入的层以及用于将重构掩码作为估计结果来进行输出的层，所述重构掩码指示出在所述混合信号中存在有所述目标信号的时频域，所述第二网络具有用于将通过将所述混合信号应用于所述重构掩码而提取的所述目标信号进行输入的层以及用于将通过将所输入的目标信号分类为预定的类别而得到的结果进行输出的层；重构掩码估计单元，所述重构掩码估计单元将锚信号和所述混合信号应用于所述第一网络，以估计所述锚信号所属类别的重构掩码；信号分类单元，所述信号分类单元将所述混合信号应用于所估计的重构掩码以提取目标信号，并且将所提取的目标信号应用于所述第二网络以将所述目标信号分类到类别中；损失计算单元，所述损失计算单元计算在所提取的目标信号被分类到的类别与真实类别之间的损失函数；参数更新单元，所述参数更新单元基于所述损失函数的所述计算结果，来更新在所述神经网络中的所述第一网络的参数和所述第二网络的参数；以及输出单元，所述输出单元输出更新后的所述第一网络。2.根据权利要求1所述的信号提取系统，还包括：重构掩码转换单元，所述重构掩码转换单元基于与另一个重构掩码的相似度，将多个所估计的重构掩码中的至少一个进行转换；以及提取单元，所述提取单元通过使用转换后的重构掩码来提取目标信号。3.根据权利要求2所述的信号提取系统，其中，所述重构掩码转换单元对所述重构掩码进行转换，使得随着与另一个重构掩码的频率的相似度变得越高，所述频率的可靠度变得越低。4.根据权利要求1至3中的任一项所述的信号提取系统，其中，所述参数更新单元更新所述神经网络中的所述第一网络的所述参数和所述第二网络的所述参数，使得由所述损失函数计算出的损失变得更小。5.根据权利要求1至4中的任一项所述的信号提取系统，其中，所述神经网络输入单元输入其中组合了以下第二网络的神经网络，所述第二网络具有与被假定为提取目标的类别的数量相对应的输出被设置到的层。6.根据权利要求1至5中的任一项所述的信号提取系统，其中，所述重构掩码估计单元向所述第一网络应用指示出说话人的话语的锚信号和音频流，以估计所述说话人的重构掩码，以及所述信号分类单元将所述混合信号应用于所估计的重构掩码以提取所述说话人的频谱图，并且将所提取的频谱图应用于所述第二网络以对所述说话人进行分类。7.一种信号提取学习方法，包括：输入其中组合了第一网络和第二网络的神经网络，所述第一网络具有用于将属于预定类别的锚信号和包括属于所述类别的目标信号在内的混合信号进行输入的层以及用于将重构掩码作为估计结果来进行输出的层，所述重构掩码指示出所述混合信号中存在有所述目标信号的时频域，所述第二网络具有用于将通过将所述混合信号应用于所述重构掩码而2CN1138