Audio source separation with machine learning techniques

Abstract

This thesis addresses the problem of Blind Source Separation (BSS) and possible solutions in some of its forms. It focuses on a series of different scenarios, where various implementations tackle the BSS problem. The frameworks presented in the thesis are separated in two categories, depending on the scientific approach of their implementation. The first category includes methods that employed statistical signal processing, while the second includes deep learning techniques. All the implementations are mathematically supported and successfully evaluated after extended experimentation.

Η παρούσα διατριβή παρουσιάζει το πρόβλημα του τυφλού διαχωρισμού πηγών και δυνατών λύσεων κάποιων μορφών του. Επικεντρώνεται σε μία σειρά από διαφορετικά σενάρια, όπου διάφορες υλοποιήσεις αντιμετωπίζουν το πρόβλημα αυτό. Τα εργαλεία που παρουσιάζονται στη διατριβή χωρίζονται σε δύο κατηγορίες, ανάλογα με την επιστημονική προσέγγισης της υλοποίησης. Στην πρώτη κατηγορία συμπεριλαμβάνονται μέθοδοι που χρησιμοποιούν στατιστική επεξεργασία σήματος, ενώ στη δεύτερη συμπεριλαμβάνονται τεχνικές βαθιάς μάθησης. Όλες οι υλοποιήσεις υποστηρίζονται μαθηματικά, ενώ αξιολογήθηκαν επιτυχώς ύστερα από εκτενή πειραματισμό.