鸡尾酒会效应的神经网络方法

Question

假设你有两个人在两个不同的麦克风上，但在同一个房间里。每个麦克风都会从另一个人那里听到一些声音。是否有一种好的基于神经网络的方法来隔离信号，使每个麦克风的声音只捕捉1人？

我记得几年前我听到了一个解决这个问题的办法，但我不确定我是否正确地记得

我这样问是因为今天有人向我提过一个类似的问题。在脑电脑电波数据采集过程中，每个电极都可以接收来自脑内多个来源的信号。在这个世界上，他们试图隔离来源，减少来自其他大脑区域的“噪音”，而使用ICA来完成这样的任务是很常见的。ICA的问题在于后处理阶段非常耗时，所以我想知道是否有一种更好的ANN/DNN方法可以更有效地解决这个问题，或者可能具有更高的精度。

Answer 1

看看这。

没有DNN，但数学，如果不同的渠道是可用的。

DNN用于单通道输入，但必须是训练成你想要分离的信号。

Answer 2

有一类神经网络专门设计来“清除”噪音的观测。他们是去噪的自动编码器:他们是自动编码器，他们学会映射一个噪声信号与其干净的对应。它们通常用于清理图像或时间序列数据，但它们可能应用于任何任务。

我不太了解你的数据和你的问题，所以我不能说收集足够的培训数据有多难，但值得一试。