基于U-Net的自适应音源分离

基于时频域的音源分离模型通常只分离了幅度谱，而忽略了相位信息，使模型只能得到次优解。针对此问题，受U-Net网络结构启发，提出基于U-Net网络的可变形卷积网络（DU-Net）。将一维信号映射到多维空间，采用DU-Net网络自适应提取特征，改进后的网络用于分离人声与伴奏。实验结果表明，所提出的DU-Net网络在分离精度上比以往的分离算法要高。