Yudi Wang, Mingzhong YANG, Lixin LIU · DOAJ (DOAJ: Directory of Open Access Journals) · 2026

Marine Sound Separation Algorithm Based on Time-Frequency Interleaved Attention and Integrated Filtering Module

Resumo em português

Para resolver os problemas de percepção refinada e discriminação das características sonoras causados por paisagens sonoras marinhas complexas e pelas características variáveis dos sinais-alvo subaquáticos, este artigo propôs um algoritmo de separação de som marinho baseado em atenção intercalada tempo-frequência e um módulo integrado de filtragem (IFM). O algoritmo adotou uma estratégia de divisão de banda de frequência e utilizou um codificador para converter o áudio misto em um espectrograma tempo-frequência. Um mecanismo de atenção em múltiplas escalas foi utilizado para extrair cruzadamente os ganhos tempo-frequência. O IFM fundiu eficientemente as características extraídas do filtro espacial convolucional multiescala e da via de dependência de características de autoatenção com as características originais. As características fundidas foram inseridas em um decodificador para reconstruir áudio puro de alta qualidade do alvo, aprimorando os detalhes dos sinais-alvo enquanto filtrava eficazmente o ruído de fundo e interferências. Resultados experimentais em conjuntos de dados típicos de sons marinhos mostram que o algoritmo proposto melhora significativamente o desempenho da separação do áudio-alvo. Em experimentos de separação de áudio envolvendo jubartes misturados com navios de passageiros e orcas (Orcinus orca) misturadas com navios de passageiros, a melhora na razão fonte para distorção (SDRi) alcança 8,56 dB e 10,74 dB, respectivamente, e todos os indicadores de desempenho superam os modelos de referenciais existentes.

Resumo original em inglês

To address the problems of refined perception and discrimination of sound features caused by complex marine soundscapes and the variable characteristics of underwater target signals, this paper proposed a marine sound separation algorithm based on time-frequency interleaved attention and an integrated filtering module(IFM). The algorithm adopted a frequency band division strategy and used an encoder to convert the mixed audio into a time-frequency spectrogram. A multi-scale attention mechanism was utilized to cross-extract time-frequency gains. The IFM efficiently fused the features extracted from the multi-scale convolutional spatial filtering and the self-attention feature dependency pathway with the original features. The fused features were input into a decoder to reconstruct high-quality pure target audio, enhancing the details of the target signals while effectively filtering out background noise and interference. Experimental results on typical marine sound datasets show that the proposed algorithm significantly improves target audio separation performance. In audio separation experiments involving humpback whales mixed with passenger ships and killer whales mixed with passenger ships, the source-to-distortion ratio improvement(SDRi) reaches 8.56 dB and 10.74 dB, respectively, and all performance indicators are superior to those of existing baseline models.