几种循环神经网络和时频掩码在心肺音分离中的应用

摘要

cqvip:针对基于循环神经网络的心肺音分离方法采用的LSTM分离模型存在的结构复杂、参数过多、收敛速度慢、无法挖掘时频谱时序上下文关系等问题,将其与3种循环神经网络的变体(GRU,BiLSTM,BiGRU)应用于心肺音分离,并分别与2种时频掩码(IBM,IPSM)组合进行仿真,比较不同模型和不同时频掩码的心肺音分离性能。在分离模型方面,相比于LSTM,GRU具有参数少、更容易收敛等优点,BiLSTM和BiGRU的双向结构能够挖掘心肺音时频谱的时序上下文关系;在时频掩码方面,相比于IBM,IPSM考虑了混合相位与目标相位的差异信息。仿真结果表明:基于BiGRU和IPSM的心肺音分离方法取得较好的分离效果。