数据采集与处理
數據採集與處理
수거채집여처리
JOURNAL OF DATA ACQUISITION & PROCESSING
2014年
2期
259-264
,共6页
张立伟%贾冲%张雄伟%闵刚%曾理
張立偉%賈遲%張雄偉%閔剛%曾理
장립위%가충%장웅위%민강%증리
语音增强%稀疏卷积%非负矩阵%字典训练%稀疏因子
語音增彊%稀疏捲積%非負矩陣%字典訓練%稀疏因子
어음증강%희소권적%비부구진%자전훈련%희소인자
speech enhancement%sparse convolutive%nonnegative matrix%dictionary training%sparse factor
鉴于卷积非负矩阵分解在语音增强算法中的成功应用,进一步考虑语音信号在时频域的稀疏性,提出了稀疏卷积非负矩阵分解(Sparse convolutive nonnegative matrix factorization,SCNMF)的语音增强算法.该算法包括训练和增强两个阶段.训练阶段通过SCNMF算法分别对纯净语音和噪声的频谱进行训练,得到纯净语音和噪声字典,并将其作为增强阶段的先验信息.增强阶段首先通过SCNMF算法对带噪语音的频谱进行分解,然后利用纯净语音和噪声联合字典以及相应的迭代公式对语音编码矩阵进行估计,重构增强语音.通过实验仿真分析了稀疏因子对增强语音质量的影响.实验结果表明,在非平稳噪声和低信噪比条件下,本文算法增强效果均优于多带谱减、非负矩阵分解和卷积非负矩阵分解等传统的算法.
鑒于捲積非負矩陣分解在語音增彊算法中的成功應用,進一步攷慮語音信號在時頻域的稀疏性,提齣瞭稀疏捲積非負矩陣分解(Sparse convolutive nonnegative matrix factorization,SCNMF)的語音增彊算法.該算法包括訓練和增彊兩箇階段.訓練階段通過SCNMF算法分彆對純淨語音和譟聲的頻譜進行訓練,得到純淨語音和譟聲字典,併將其作為增彊階段的先驗信息.增彊階段首先通過SCNMF算法對帶譟語音的頻譜進行分解,然後利用純淨語音和譟聲聯閤字典以及相應的迭代公式對語音編碼矩陣進行估計,重構增彊語音.通過實驗倣真分析瞭稀疏因子對增彊語音質量的影響.實驗結果錶明,在非平穩譟聲和低信譟比條件下,本文算法增彊效果均優于多帶譜減、非負矩陣分解和捲積非負矩陣分解等傳統的算法.
감우권적비부구진분해재어음증강산법중적성공응용,진일보고필어음신호재시빈역적희소성,제출료희소권적비부구진분해(Sparse convolutive nonnegative matrix factorization,SCNMF)적어음증강산법.해산법포괄훈련화증강량개계단.훈련계단통과SCNMF산법분별대순정어음화조성적빈보진행훈련,득도순정어음화조성자전,병장기작위증강계단적선험신식.증강계단수선통과SCNMF산법대대조어음적빈보진행분해,연후이용순정어음화조성연합자전이급상응적질대공식대어음편마구진진행고계,중구증강어음.통과실험방진분석료희소인자대증강어음질량적영향.실험결과표명,재비평은조성화저신조비조건하,본문산법증강효과균우우다대보감、비부구진분해화권적비부구진분해등전통적산법.
