藉由神經網路同層側向抑制(Lateral inhibition)特性消除環境噪音
斯特拉斯克萊德大學( University of Strathclyde)的研究人員，利用spiking neural network來進行聲音處理消除環境噪音而加強語音成分。
在之前的研究已經發現，神經網路同層側向抑制結構會消除不相關的spike。因此研究人員以此理論為基礎，使用LIF 神經為模型來建構降噪模組。音訊使用Short-Time-Fourier-Transformation將音訊轉成複變頻譜訊號，再將此訊號的絕對值作為神經網路的刺激。因此將根據頻譜的頻道數(channel/bin)決定輸入神經的個數，而此時神經活動的raster plot 就會與頻譜訊號一致。再將此raster plot 轉回複變頻譜訊號就可將環境噪音消除。
此研究期望將此神經網路置入於仿神經晶片來降低助聽器上降噪運算的功率消耗。
撰文者：王誠德
原始論文:
Noise Reduction using Neural Lateral Inhibition for Speech Enhancement, Yannan Xing, Weijie Ke, Gaetano Di Caterina, John Soraghan.
International Journal of Machine Learning and Computing. ISSN 2010-3700 (In Press)
在之前的研究已經發現，神經網路同層側向抑制結構會消除不相關的spike。因此研究人員以此理論為基礎，使用LIF 神經為模型來建構降噪模組。音訊使用Short-Time-Fourier-Transformation將音訊轉成複變頻譜訊號，再將此訊號的絕對值作為神經網路的刺激。因此將根據頻譜的頻道數(channel/bin)決定輸入神經的個數，而此時神經活動的raster plot 就會與頻譜訊號一致。再將此raster plot 轉回複變頻譜訊號就可將環境噪音消除。
此研究期望將此神經網路置入於仿神經晶片來降低助聽器上降噪運算的功率消耗。
撰文者：王誠德
原始論文:
Noise Reduction using Neural Lateral Inhibition for Speech Enhancement, Yannan Xing, Weijie Ke, Gaetano Di Caterina, John Soraghan.
International Journal of Machine Learning and Computing. ISSN 2010-3700 (In Press)
留言
張貼留言