Enmascaramiento de tiempo-frecuencia para la prueba de separación de fuentes

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Cómo produce una máscara de tiempo-frecuencia una estimación objetivo a partir de una mezcla STFT?
   • Utilice el espectrograma objetivo limpio como resultado sin consultar la mezcla.
   • Aplicar una ganancia constante a toda la grabación.
   • Multiplica la representación de la mezcla por pesos por contenedor.
   • Asignar una única etiqueta de origen a todo el clip
2. ¿Qué valores caracterizan una máscara binaria ideal en una asignación simple de dos fuentes?
   • Un peso real que varía continuamente a lo largo del intervalo unitario.
   • cero o uno
   • Una corrección de valores complejos con fase arbitraria.
   • La misma ganancia para cada intervalo de tiempo-frecuencia
3. ¿En qué se diferencia una máscara de proporción de una máscara binaria estricta?
   • Debe asignar a cada contenedor exactamente cero o uno.
   • Garantiza que no queden interferencias.
   • Ignora la fuerza relativa de la fuente al definir sus pesos.
   • Puede representar contribuciones graduadas con valores suaves.
4. ¿Qué puede ajustar una máscara compleja que normalmente no hace una máscara de magnitud real?
   • Fase y magnitud
   • Sólo magnitud, nunca fase.
   • Sólo la fase de mezcla, sin cambio de magnitud.
   • Sólo se aplica una ganancia escalar a toda la forma de onda.
5. ¿Qué fase se reutiliza a menudo cuando una máscara de magnitud de valor real reconstruye un objetivo superpuesto?
   • La fase original del objetivo limpio se suministra de forma independiente.
   • Una fase objetivo estimada por separado para cada máscara de valor real
   • La fase de mezcla
   • Fase cero impuesta en cada contenedor.
6. ¿Por qué debería establecerse explícitamente una definición de máscara de proporción?
   • Todas las máscaras de proporción válidas son decisiones binarias difíciles
   • Diferentes métodos definen razones usando magnitudes o potencias.
   • Las máscaras de relación se calculan únicamente a partir de logaritmos
   • Cada máscara de proporción utiliza exactamente el mismo exponente y definición de objetivo.
7. ¿Qué debería coincidir entre el enmascaramiento y la reconstrucción de formas de onda?
   • Cualquier tamaño de salto funciona si se fuerza que la duración final coincida
   • La ventana de síntesis es irrelevante después del enmascaramiento.
   • La transformación inversa puede inferir todas las convenciones de análisis únicamente a partir de los valores de máscara.
   • Configuraciones de salto y ventana STFT compatibles
8. ¿Qué enfoque de evaluación es útil para el habla separada?
   • Combine métricas de señal apropiadas con pruebas de escucha o descendentes
   • Trate una mascarilla visualmente suave como prueba de una separación limpia.
   • Informar únicamente el objetivo de formación sobre mezclas ajustadas.
   • Suponga que la aditividad de la forma de onda garantiza la calidad de percepción