单通道实时语音分离的TasNet结构总结

核心工作：提出使用时域音频分离网络，即编码器-解码器框架直接在时域对信号建模，并在非负编码器输出上执行声源分离。
STFT缺点：
1. 提出傅里叶分解并不一定是最优的语音分离信号变换
2. STFT将信号转换为复数域，但不能很好的处理相位谱
3. 频谱有效分率需要高频率高分辨率，否则会产生时延
TasNet：

1. N个非负加权基础信号表示混合语音波形；
2. 基础信号的权重来自于编码器输出，基础信号即解码器的滤波器；
3. 估计权重（非负）可以表示为每个声源对混合权重贡献的掩模，类似于STFT中的T-F掩模
4. 解码器学习后重建声源波形
实验结论：

1. 与单向LSTM构成因果系统，优于使用T-F的系统；与BLSTM构成非因果系统，同样效果更好；