创建自定义卷积层并比较两个keras层

Question

我目前正在keras创建一个网络，使用中值滤波技术（http://dafx10.iem.at/papers/DerryFitzGerald_DAFx10_P15.pdf）对音频频谱图执行谐波/冲击源分离。你知道吗

给定一个输入幅度谱图，将第i个时间帧表示为S_i，将第h个频率片表示为S_h，通过对S_i执行中值滤波，可以生成打击增强频谱图帧P_i：P_i=M{S_i，l，其中M表示中值滤波，而lperc是过滤器长度。然后将各个打击增强帧P_i组合以产生打击增强谱图P。类似地，谐波增强谱图频率片H_H可以通过中值滤波频率片S_H获得：H_i=M{S_H，l_harm}。你知道吗

一旦有了p和H，就可以看到每个频率单元S_H，i是否属于谐波源或冲击源：如果H_H，i>；p_H，i，S_H，i转到谐波频谱图，在冲击频谱图中取值0，反之亦然。你知道吗

在我的网络中，给定输入频谱图和特定时间帧，我需要水平计算每个频率h的中位数。这可以通过lambda层和tensorflow轻松完成：

layer_H = Lambda(lambda x:tf.contrib.distributions.percentile(x[0], 50, axis=0))(layer)

这里，谐波中值滤波器的长度l是输入频谱图的水平长度。输出是一个向量，其大小等于频率的数目（在我的例子中是88）。你知道吗

下一步是我现在遇到的问题：我需要垂直计算当前时间帧的中位数，给定冲击中值滤波器的长度，并且知道我希望得到的向量与输入的大小相同，所以在每一端都要小心输入的大小（过滤器的大小将介于l_harm和l_harm/2之间，具体取决于我们所处的位置）。因为没有更好的词，这看起来像是某种卷积。你知道吗

一旦我有了两个结果向量，我想比较它们，并将原始帧的每个值赋给冲击层（L_p）或谐波层（L_H）。因此，我有三种不同的输入，H_I，P_I和S_I，我想通过比较H_I和PI得到L_H，继续建立我的人际网络。如果H_i，j>；P_i，j，则LP_i，j=0和LH_i，j=S_i，j。你知道吗

总而言之，我被困在两个不同的问题上：

1. 如何计算水平中位数？

2. 如何在网络中实现从H_i、p_i和S_i到L_p和L_H的操作？

事先非常感谢！你知道吗