[发明专利]用于确定深度过滤器的方法和装置

权利要求书

1.一种用于过滤混合物的方法，包括以下步骤：

确定(100)具有至少一个维度的深度过滤器(10x)，包括：

接收(110)混合物(10)；

使用深度神经网络估计(120)所述深度过滤器(10x)，其中执行所述估计(120)，使得所述深度过滤器(10x)在应用于所述混合物(10)的元素时，获得对期望表示(11)的各元素的估计，

其中所述具有至少一个维度的深度过滤器(10x)包括具有元素(s_x,y)的张量；以及

将所述深度过滤器(10x)应用于所述混合物(10)。

2.根据权利要求1所述的方法(100)，其中所述混合物(10)包括实值或复值的时频表示或其特征表示；以及

其中，所述期望表示(11)包括期望实值或复值的时频表示或其特征表示。

3.根据前述权利要求中任一项所述的方法(100)，其中所述深度过滤器(10x)包括实值或复值的时频过滤器；和/或其中在短时傅立叶变换域中描述所述具有至少一个维度的深度过滤器(10x)。

4.根据前述权利要求中任一项所述的方法(100)，其中针对所述混合物(10)的每个元素或针对所述混合物(10)的元素的预定部分执行所述估计(120)的步骤。

5.根据前述权利要求中任一项所述的方法(100)，其中针对至少两个源执行所述估计(120)。

6.根据前述权利要求中任一项所述的方法(100)，进一步包括限定过滤器结构的步骤，所述过滤器结构的过滤器变量用于所述具有至少一个维度的深度过滤器(10x)限定。

7.根据前述权利要求中任一项所述的方法(100)，其中所述深度神经网络包括与所述深度过滤器(10x)的过滤器函数的过滤器值的数量相等的多个输出参数。

8.根据前述权利要求中任一项所述的方法(100)，其中所述至少一个维度来自于包括时间、频率和传感器的组，或者

其中所述维度中的所述至少一个是跨时间或跨频率的。

9.根据前述权利要求中任一项所述的方法(100)，其中所述深度神经网络包括批量归一化层、双向长短期记忆层、具有双曲正切激活的前馈输出层和/或一个或更多附加层。

10.根据前述权利要求中任一项所述的方法(100)，进一步包括训练所述深度神经网络的步骤。

11.根据权利要求10所述的方法(100)，其中通过优化所述期望表示(11)的真值与所述期望表示(11)的估计之间的均方误差来训练所述深度神经网络；或者

其中所述深度神经网络是通过减少所述期望表示(11)与所述期望表示(11)的估计之间的重构误差来训练的；或者

其中所述训练是通过幅度重构来执行的。

12.根据前述权利要求中任一项所述的方法(100)，其中通过使用以下公式来执行所述估计(120)：

其中2·L+1是时间帧方向的过滤器维度，2·I+1是频率方向的过滤器维度，是复共轭的一维或二维过滤器；其中是估计的期望表示(11)，其中n是时间帧，k是频率索引。

13.根据权利要求10、11或12所述的方法(100)，其中通过使用以下公式来执行所述训练：

其中X_d(n,k)是期望表示(11)，以及是估计的期望表示(11)，其中N是时间帧的总数量，以及K是每时间帧的频率位格的数量，或者

通过使用以下公式：

其中X_d(n,k)是期望表示(11)，以及是估计的期望表示(11)，其中N是时间帧的总数量，K是每时间帧的频率位格的数量。