合奏中的仪器分离是一项艰巨的任务。在这项工作中，我们解决了在Carnatic音乐的taniavartanam部分中分离打击乐声音的问题。在taniavartanam中，许多打击乐器会一起或串联演奏。在仅存在一个打击乐的区域中，乐器的分离会导致输出处的干扰和伪影，因为信号源分离算法假定整个音频段中都存在多个打击乐声音。我们通过首先对他尼伐他汀进行二元化来防止这种情况。该过程导致由单个语音或多个语音的片段组成的同构簇。使用高斯混合模型（GMM）识别具有多个声音的片段簇，然后对其进行源分离。基于深度递归神经网络（DRNN）的方法用于分离多个仪器段。在标准的Carnatic音乐数据集上评估了所提出系统的有效性。所提出的方法为非重叠段提供了接近Oracle的性能，并且比传统的分离方案有了显着的改进。



"点击查看英文标题和摘要"