發(fā)布時間：2018-03-15 23:35

  本文選題：語音增強　切入點：無監(jiān)督學(xué)習(xí)　出處：《數(shù)據(jù)采集與處理》2014年02期 　論文類型：期刊論文

【摘要】：針對現(xiàn)有基于字典學(xué)習(xí)的增強算法依賴先驗信息的問題,基于矩陣的稀疏低秩分解提出一種無監(jiān)督的單通道語音增強算法。該算法首先通過稀疏低秩分解將帶噪語音的幅度譜分解為低秩、稀疏和噪聲3部分,然后通過對低秩部分進行自學(xué)習(xí)構(gòu)建出噪聲字典,最后利用所得噪聲字典和乘性迭代準(zhǔn)則于低秩和稀疏部分中分離出純凈語音。相較于其他基于字典學(xué)習(xí)的語音增強算法,本文所提算法無需語音或噪聲的先驗信息,因而更加方便和實用。實驗結(jié)果顯示,本文算法能夠在保留語音諧波結(jié)構(gòu)的同時有效抑制噪聲,增強效果明顯優(yōu)于魯棒主成分分析和多帶譜減法。
[Abstract]:According to the existing dictionary learning enhancement algorithm Apriori information based on sparse matrix low rank decomposition of a single channel speech enhancement algorithm based on unsupervised algorithm. The first through the low rank sparse decomposing the noisy speech spectrum is decomposed into low rank, sparse and noise of the 3 part, based on low rank part of the self-learning construct noise dictionary, finally using the dictionary noise and multiplicative iterative criterion for low rank and sparse part separated pure speech. Compared with other speech enhancement based on dictionary learning algorithm, the proposed algorithm without speech or noise prior information, which is more convenient and practical results. This paper shows that the algorithm can effectively restrain the noise while retaining speech harmonic structure at the same time, enhance the analysis is better than robust PCA and multi band spectral subtraction.

【作者單位】： 解放軍理工大學(xué)指揮信息系統(tǒng)學(xué)院;
【基金】：江蘇省自然科學(xué)基金(BK2012510)資助項目
【分類號】：TN912.3

【參考文獻】

相關(guān)期刊論文 前2條

1 張麗艷;殷福亮;;一種改進的奇異值分解語音增強方法[J];電子與信息學(xué)報;2008年02期

2 王天荊;鄭寶玉;楊震;;基于自適應(yīng)冗余字典的語音信號稀疏表示算法[J];電子與信息學(xué)報;2011年10期

【共引文獻】

相關(guān)期刊論文 前10條

1 楊凌;楊海波;高新春;;基于跟蹤共振峰的語音增強算法[J];電子與信息學(xué)報;2009年10期

2 郭慧;賀杰;何高明;;基于壓縮感知的圖像快速重建方法探討[J];計算機光盤軟件與應(yīng)用;2013年01期

3 周騰;林之U，

本文編號：1617373