本文關(guān)鍵詞：非負(fù)矩陣分解算法及在語音轉(zhuǎn)換中的應(yīng)用

  更多相關(guān)文章： 卷積非負(fù)矩陣分解 稀疏約束 板倉-齋藤距離 語音轉(zhuǎn)換 語音可懂度

【摘要】：非負(fù)矩陣分解(Non-negative Matrix Factorization, NMF)通過將一個非負(fù)矩陣分解為非負(fù)系數(shù)矩陣和非負(fù)基矩陣的乘積將數(shù)據(jù)表達(dá)為非負(fù)成分的非負(fù)線性組合,從而獲得數(shù)據(jù)的子空間表示或者實現(xiàn)數(shù)據(jù)降維。相比PCA方法,這種非負(fù)表達(dá)方式更具有物理意義。作為一種有效的數(shù)據(jù)處理技術(shù),NMF已廣泛應(yīng)用到語音識別、語音轉(zhuǎn)換、人臉檢測及識別、文本分析與聚類、網(wǎng)絡(luò)安全、數(shù)字水印、圖像處理、生物醫(yī)學(xué)工程等多項領(lǐng)域中。本文的主要研究內(nèi)容包括稀疏卷積非負(fù)矩陣分解算法以及該算法在語音轉(zhuǎn)換中的應(yīng)用,具體內(nèi)容如下：(1)提出基于板倉-齋藤距離和稀疏約束的卷積非負(fù)矩陣分解算法。與利用已有的基于歐式距離或者KL散度的NMF方法衡量矩陣分解前后的誤差不同,本文利用板倉-齋藤距離作為目標(biāo)代價函數(shù)衡量原始矩陣與重建矩陣之間的誤差。板倉-齋藤距離函數(shù)具有尺度不變性,這使得待分解的矩陣中較小元素具有較小的重建誤差。在增加對系數(shù)矩陣的稀疏約束后,本文基于此目標(biāo)代價函數(shù)推導(dǎo)了分解算法的乘性更新規(guī)則。語音重建實驗結(jié)果表明通過該方法重建后的語音具有較高可懂度。(2)利用稀疏約束的卷積非負(fù)矩陣分解算法進(jìn)行語音轉(zhuǎn)換。相比普通的非負(fù)矩陣分解,稀疏卷積非負(fù)矩陣分解能夠刻畫數(shù)據(jù)的時延信息,更適合處理語音這類信號。為此,本文利用卷積非負(fù)矩陣分解進(jìn)行語音轉(zhuǎn)換。在訓(xùn)練階段,利用上述基于板倉-齋藤距離和稀疏約束的卷積非負(fù)矩陣分解算法分別得到源說話人和目標(biāo)說話人的時頻基；在轉(zhuǎn)換階段,首先將待轉(zhuǎn)換語音在源說話人基矩陣上進(jìn)行非負(fù)矩陣分解,然后利用求得的非負(fù)系數(shù)矩陣和目標(biāo)說話人基矩陣進(jìn)行目標(biāo)語音重建。實驗結(jié)果表明：該方法可有效地將源說話人語音轉(zhuǎn)換為目標(biāo)說話人語音,轉(zhuǎn)換后的語音具有較高的可懂度。
【關(guān)鍵詞】：卷積非負(fù)矩陣分解 稀疏約束 板倉-齋藤距離 語音轉(zhuǎn)換 語音可懂度
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN912.3
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-18
• 1.1 非負(fù)矩陣分解算法的概述8-15
• 1.1.1 非負(fù)矩陣分解算法的研究目的和意義8-12
• 1.1.2 非負(fù)矩陣分解算法的研究現(xiàn)狀12-15
• 1.2 語音轉(zhuǎn)換的常用方法15-16
• 1.3 本文主要研究內(nèi)容16
• 1.4 本文內(nèi)容結(jié)構(gòu)16-18
• 第二章 非負(fù)矩陣分解基礎(chǔ)理論18-28
• 2.1 基本思想18-19
• 2.2 基本算法19-27
• 2.2.1 目標(biāo)代價函數(shù)19-20
• 2.2.2 迭代規(guī)則20-21
• 2.2.3 求解結(jié)果的性質(zhì)21-27
• 2.3 NMF算法的迭代終止條件27
• 2.4 本章小結(jié)27-28
• 第三章 基于板倉-齋藤距離的稀疏卷積非負(fù)矩陣分解算法28-43
• 3.1 引言28-29
• 3.2 算法理論29-33
• 3.2.1 目標(biāo)代價函數(shù)29-31
• 3.2.2 迭代規(guī)則31-33
• 3.3 實驗仿真及結(jié)果分析33-42
• 3.3.1 實驗仿真33-41
• 3.3.2 結(jié)果分析41-42
• 3.4 本章小結(jié)42-43
• 第四章 基于稀疏卷積非負(fù)矩陣分解的語音轉(zhuǎn)換43-52
• 4.1 引言43-44
• 4.2 語音轉(zhuǎn)換原理44-45
• 4.3 實驗仿真及結(jié)果分析45-51
• 4.3.1 實驗仿真45-50
• 4.3.2 結(jié)果分析50-51
• 4.4 本章小結(jié)51-52
• 第五章 總結(jié)與展望52-54
• 5.1 本文研究工作及成果52-53
• 5.2 展望53-54
• 參考文獻(xiàn)54-60
• 附圖60-61
• The appended figures61-62
• 附表62-63
• The appended tables63-64
• 致謝64-65
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄65

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 何光輝;張?zhí)?;保持拓?fù)湫苑秦?fù)矩陣分解法在人臉識別的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2010年14期

2 史加榮;焦李成;尚凡華;;不完全非負(fù)矩陣分解的加速算法[J];電子學(xué)報;2011年02期

3 王文俊;張軍英;;一種非負(fù)矩陣分解的快速方法[J];計算機(jī)工程與應(yīng)用;2009年25期

4 張雷鳴;李秋丹;廖勝才;;非負(fù)矩陣分解在標(biāo)簽語義分析中的應(yīng)用[J];計算機(jī)科學(xué);2010年04期

5 于彬;;基于局部非負(fù)矩陣分解的人臉識別[J];科學(xué)技術(shù)與工程;2010年33期

6 姜偉;楊炳儒;隋海峰;;局部敏感非負(fù)矩陣分解[J];計算機(jī)科學(xué);2010年12期

7 宋金歌;楊景;陳平;佘玉梅;;一種非負(fù)矩陣分解的快速稀疏算法[J];云南民族大學(xué)學(xué)報(自然科學(xué)版);2011年04期

8 高燕燕;;非負(fù)矩陣分解及其應(yīng)用探討[J];硅谷;2011年23期

9 郝紅;徐常青;張新平;;基于非負(fù)矩陣分解的航拍圖像信息提取[J];浙江農(nóng)林大學(xué)學(xué)報;2012年01期

10 吳榮玉;樊豐;舒建;;基于非負(fù)矩陣分解的魯棒哈希函數(shù)驗證性研究[J];電子技術(shù)應(yīng)用;2012年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 孫江明;李通化;;非平滑三維非負(fù)矩陣分解[A];第九屆全國計算（機(jī)）化學(xué)學(xué)術(shù)會議論文摘要集[C];2007年

2 蔣永鍇;葉東毅;;基于稀疏非負(fù)矩陣分解的自動多文摘方法[A];中國計算機(jī)語言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

3 馬帥;吳飛;楊易;邵健;;基于稀疏非負(fù)矩陣分解的圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

4 徐利民;龔珊;余再軍;;奇異值分解與非負(fù)矩陣分解色在數(shù)據(jù)降維方面的特性分析[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非負(fù)矩陣分解和支持向量機(jī)的軸心軌跡圖識別[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

6 蔣霈霖;;KL散度下的非負(fù)矩陣分解[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

7 楊寶;朱啟兵;黃敏;;基于非負(fù)矩陣分解一稀疏表示分類的玻璃缺陷圖像識別[A];第24屆中國控制與決策會議論文集[C];2012年

8 錢樂樂;高雋;徐小紅;;非負(fù)性約束的圖像稀疏編碼[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

9 朱昊;黃源水;付夢印;;基于NMF的道路識別算法在野外環(huán)境感知中的應(yīng)用[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

10 鄭能恒;蔡毅;李霞;Tan Lee;;基于非負(fù)矩陣分解和向量相似測度的語音與音樂分離算法[A];第十一屆全國人機(jī)語音通訊學(xué)術(shù)會議論文集（一）[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 楊士準(zhǔn);基于樣本和特征的遷移學(xué)習(xí)方法及應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2013年

2 葉軍;基于正則化方法的非負(fù)矩陣分解算法及其應(yīng)用研究[D];南京理工大學(xué);2014年

3 胡俐蕊;非負(fù)矩陣分解方法及其在選票圖像識別中的應(yīng)用[D];安徽大學(xué);2013年

4 殷海青;圖像分析中的非負(fù)矩陣分解理論及其最優(yōu)化和正則化方法研究[D];西安電子科技大學(xué);2011年

5 楊洪禮;非負(fù)矩陣與張量分解及其應(yīng)用[D];山東科技大學(xué);2011年

6 史加榮;多尺度張量逼近及應(yīng)用[D];西安電子科技大學(xué);2012年

7 方蔚濤;人臉識別特征抽取算法的研究[D];重慶大學(xué);2012年

8 劉昱昊;基于非負(fù)矩陣分解算法的人臉識別技術(shù)的研究[D];吉林大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 謝昊;非負(fù)矩陣分解初始化及其應(yīng)用[D];暨南大學(xué);2015年

2 王一;凸與半非負(fù)矩陣分解的近點梯度方法研究[D];東北師范大學(xué);2015年

3 項磊;基于乳腺癌計算機(jī)輔助診斷的病理圖像分析[D];南京信息工程大學(xué);2015年

4 王丹;基于非負(fù)矩陣分解的腦電信號特征提取算法研究[D];燕山大學(xué);2015年

5 馬春霞;非負(fù)矩陣分解及在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用研究[D];曲阜師范大學(xué);2015年

6 崔艷榮;基于非負(fù)矩陣分解的高光譜遙感數(shù)據(jù)融合方法分析及應(yīng)用[D];電子科技大學(xué);2014年

7 賴淑珍;非負(fù)矩陣分解若干算法研究與應(yīng)用[D];電子科技大學(xué);2014年

8 趙龍;基于多流形正則化非負(fù)矩陣分解的多視圖聚類[D];大連理工大學(xué);2015年

9 黃震;基于多視角非負(fù)矩陣分解的同名區(qū)分算法研究[D];大連理工大學(xué);2015年

10 邵強(qiáng);改進(jìn)的非負(fù)矩陣分解算法及其在人臉識別中的應(yīng)用[D];河北工業(yè)大學(xué);2015年

，

本文編號：1024112