本文選題：高斯混合模型 + 功率譜估計(jì)　； 參考：《聲學(xué)學(xué)報(bào)》2017年05期

【摘要】：提出了一種基于極大似然的噪聲對(duì)數(shù)功率譜估計(jì)方法,采用高斯混合模型對(duì)每一個(gè)頻帶上的功率譜包絡(luò)構(gòu)建統(tǒng)計(jì)模型,將時(shí)序包絡(luò)劃分為語(yǔ)音和非語(yǔ)音類(lèi),它們分別對(duì)應(yīng)于高斯混合模型的兩個(gè)高斯分量,描述語(yǔ)音和非語(yǔ)音的統(tǒng)計(jì)分布,其中非語(yǔ)音高斯分量的均值即為噪聲功率譜的最優(yōu)估計(jì).采用序貫學(xué)習(xí)的方法,在極大似然準(zhǔn)則下逐幀更新模型參數(shù),并逐幀給出噪聲功率譜的最優(yōu)估計(jì)值。此外,由于序貫更新過(guò)程中語(yǔ)音信號(hào)長(zhǎng)時(shí)缺失,容易導(dǎo)致模型失穩(wěn),提出了一種在線的最小描述長(zhǎng)度準(zhǔn)則(MDL)來(lái)判斷語(yǔ)音信號(hào)是否長(zhǎng)時(shí)缺失,從而保證了模型的穩(wěn)定性.實(shí)驗(yàn)表明,算法性能整體優(yōu)于經(jīng)典的MS和IMCRA算法。
[Abstract]:In this paper, a noise logarithmic power spectrum estimation method based on maximum likelihood is proposed. The Gao Si hybrid model is used to construct a statistical model for the power spectrum envelope in each frequency band, and the time series envelope is divided into speech and non-speech classes. They correspond to two Gao Si components of Gao Si mixed model, and describe the statistical distribution of speech and non-speech. The mean value of non-speech Gao Si component is the optimal estimation of noise power spectrum. Using sequential learning method, the model parameters are updated frame by frame under the maximum likelihood criterion, and the optimal estimation of noise power spectrum is given. In addition, due to the long time loss of speech signal in sequential updating process, it is easy to lead to model instability. An online minimum description length criterion (MDL) is proposed to judge whether the speech signal is long time missing or not, so as to ensure the stability of the model. Experiments show that the performance of the algorithm is better than that of the classical MS and IMCRA algorithms.
【作者單位】： 江西理工大學(xué)信息工程學(xué)院;北京理工大學(xué)多元信息系統(tǒng)實(shí)驗(yàn)室;中國(guó)科學(xué)院聲學(xué)研究所語(yǔ)言聲學(xué)與內(nèi)容理解重點(diǎn)實(shí)驗(yàn)室;國(guó)家計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)急技術(shù)處理協(xié)調(diào)中心;
【基金】：江西省教育廳科技項(xiàng)目(GJJ150681) 江西理工大學(xué)自然科學(xué)基金項(xiàng)目(NSFJ2015-G21) 國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2013CB329302) 國(guó)家自然科學(xué)基金項(xiàng)目(61271426,10925419,90920302,61072124,11074275,11161140319,91120001) 中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專(zhuān)項(xiàng)(XDA06030100,XDA06030500);中國(guó)科學(xué)院重點(diǎn)部署項(xiàng)目(KGZD-EW-103-2)資助
【分類(lèi)號(hào)】：TN912.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 翟繼友;張鵬;;高斯混合模型參數(shù)估值算法的優(yōu)化[J];計(jì)算機(jī)技術(shù)與發(fā)展;2011年11期

2 王曉晨;姜林;;一種基于高斯混合模型的導(dǎo)譜頻率參數(shù)量化算法[J];電視技術(shù);2014年15期

3 鄭華;裴承鳴;秦淋;;基于高斯混合模型的粒子濾波時(shí)頻分析算法[J];測(cè)控技術(shù);2011年03期

4 崔瑋;吳成東;張?jiān)浦?賈子熙;程龍;;基于高斯混合模型的非視距定位算法[J];通信學(xué)報(bào);2014年01期

5 林琳;王樹(shù)勛;魏小麗;;基于遺傳模糊高斯混合模型的訓(xùn)練方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2006年06期

6 張琦;王霞;孫燾;;高斯混合模型下的殘留回波抑制算法[J];西安交通大學(xué)學(xué)報(bào);2013年04期

7 余清清;李應(yīng);李勇;;基于高斯混合模型的自然環(huán)境聲音的識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2011年25期

8 石銳;王博;何慶華;;基于高斯混合模型的咳嗽音檢測(cè)方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年32期

9 夏玉果;顧明亮;;基于聚類(lèi)支持矢量機(jī)的漢語(yǔ)方言辨識(shí)[J];計(jì)算機(jī)與數(shù)字工程;2012年05期

10 張文英;郭興明;翁漸;;改進(jìn)的高斯混合模型在心音信號(hào)分類(lèi)識(shí)別中應(yīng)用[J];振動(dòng)與沖擊;2014年06期

相關(guān)會(huì)議論文 前3條

1 康永國(guó);雙志偉;陶建華;張維;徐波;;高斯混合模型和碼本映射相結(jié)合的語(yǔ)音轉(zhuǎn)換算法[A];第八屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];2005年

2 應(yīng)冬文;顏永紅;付強(qiáng);國(guó)雁萌;;基于約束高斯混合模型的噪聲功率譜估計(jì)[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

3 周潔;;基于高斯混合模型的情感語(yǔ)音轉(zhuǎn)換[A];2011'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2011年

相關(guān)碩士學(xué)位論文 前10條

1 車(chē)瀅霞;約束條件下的結(jié)構(gòu)化統(tǒng)計(jì)聲學(xué)模型及非平行語(yǔ)料語(yǔ)音轉(zhuǎn)換[D];蘇州大學(xué);2015年

2 姚紹芹;基于聲道譜參數(shù)的語(yǔ)音轉(zhuǎn)換算法研究[D];南京郵電大學(xué);2015年

3 蔡超;自動(dòng)語(yǔ)種識(shí)別的研究與應(yīng)用[D];電子科技大學(xué);2016年

4 蔡桂林;高斯混合模型用于語(yǔ)音情感識(shí)別研究[D];廣西師范大學(xué);2016年

5 閆昊;基于高斯混合模型的文本無(wú)關(guān)說(shuō)話人年齡識(shí)別[D];蘇州大學(xué);2015年

6 于瑩瑩;基于高斯混合模型的頻帶擴(kuò)展算法的研究[D];北京理工大學(xué);2015年

7 賈楠;基于流形及高斯混合模型的壓縮感知算法研究[D];燕山大學(xué);2013年

8 孫峰;基于高斯混合模型的語(yǔ)種識(shí)別技術(shù)[D];哈爾濱工程大學(xué);2006年

9 吳杰;基于高斯混合模型的話者識(shí)別系統(tǒng)的研究[D];吉林大學(xué);2008年

10 魏開(kāi)容;高斯混合模型FPGA實(shí)現(xiàn)關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2011年

，

本文編號(hào)：2096711