[论文解读] A nuclear-norm based convex formulation for informed source separation

Augustin Lefèvre, François Glineur+1 more|arXiv (Cornell University)|Dec 13, 2012

Speech and Audio Processing被引用 3

一句话总结

该论文提出了一种基于核范数惩罚的凸优化公式，用于利用部分标注信息实现知情音频源分离，通过诱导源谱图的低秩结构来提升性能。该方法在源分离质量（平均SDR提高0.85 dB）和计算时间方面均优于非负矩阵分解（NMF），在SISEC数据集上使用40%的标注信息时，通过简单的次梯度法实现了优越结果。

ABSTRACT

We study the problem of separating audio sources from a single linear mixture. The goal is to find a decomposition of the single channel spectrogram into a sum of individual contributions associated to a certain number of sources. In this paper, we consider an informed source separation problem in which the input spectrogram is partly annotated. We propose a convex formulation that relies on a nuclear norm penalty to induce low rank for the contributions. We show experimentally that solving this model with a simple subgradient method outperforms a previously introduced nonnegative matrix factorization (NMF) technique, both in terms of source separation quality and computation time.

研究动机与目标

• 解决在仅获得部分源信息时单通道音频源分离的挑战。
• 开发一种凸优化框架，强制执行精确标注约束，同时促进源谱图的低秩结构。
• 在分离质量与计算效率方面超越基于非凸NMF的方法。
• 在具有受控标注的真实世界音频数据上验证所提方法。

提出的方法

• 将源分离表述为一个凸优化问题，其中源谱图作为受精确标注约束的变量。
• 使用核范数作为低秩结构的凸近似，以正则化源估计。
• 采用带递减步长规则的次梯度法求解非光滑目标函数。
• 目标函数结合了混合信号与重建谱图之间的光滑Itakura-Saito散度，以及标注系数的数据保真项。
• 该公式可隐式最小化秩，而无需像NMF那样预先固定秩。
• 采用简单且可扩展的次梯度方案求解问题，避免了NMF所需的多次随机初始化。

实验结果

研究问题

• RQ1 基于核范数正则化的凸公式是否能在知情源分离中超越非凸NMF？
• RQ2 与基于惩罚的方法相比，强制执行精确标注约束是否能提升源分离的准确性？
• RQ3 简单的次梯度法是否能在性能与收敛速度上优于需要多次重启的NMF？
• RQ4 所提方法在标注比例增加和计算时间延长时的可扩展性如何？

主要发现

• 所提出的lownuc方法在SISEC数据库上实现了平均8.779 dB的SDR，相比NMF平均提升0.85 dB。
• lownuc方法相比‘懒惰’基线估计（3.4725 dB SDR）提升了超过5 dB，表明性能有显著改善。
• lownuc方法在SIR（16.0186 dB）和SAR（9.9494 dB）方面优于NMF，表明对干扰和伪影的抑制能力更强。
• 当计算时间达到10秒时，lownuc方法在SDR上已超越NMF，显示出在早期迭代中更快的收敛速度。
• 尽管采用简单的次梯度方案，该方法性能仍优于需要多次重启且计算更重的NMF。
• 最优估计达到10.8523 dB SDR，表明lownuc方法已接近理论最优性能。