کاهش نویز سیگنال گفتار با استفاده از تجزیه ماتریس نا منفی بر پایه یادگیری بدون نظارت
Publish place: The first national conference on electrical engineering of the Young and Elite Researchers Club
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 647
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
BPJCEE01_062
تاریخ نمایه سازی: 6 اسفند 1395
Abstract:
هنگامی که سیگنال صوتی در محیط نویزی می باشد، بهبود گفتار بسیار ضروری است. از مدت ها پیش، کاهش نویز در یک سیگنال صوتی تک صدایی نویزی، یکی از موضوعات چالش برانگیز بوده است. در مقایسه با روش های بهبود گفتار بدون نظارت سنتی، برای مثال فیلتر وینر، روش های با نظارت هم چون الگوریتم های مبتنی بر مدل های مخفی مارکوف منجر به افزایش کیفیت سیگنال های صوتی می شوند. هرچند، مشکل اصلی عملی این روش ها این است که برای هر نوع خاصی از نویز، نیازمند آموزش یک مدل، پیش از انجام بهبود گفتار می باشند. در این مقاله، یک کلاس جدید از الگوریتم های کاهش نویز آنلاین که از تجزیه ماتریس نا منفی می نمایند، معرفی می شود. همچنین یک روش بهبود گفتار جدید که مبتنی بر روابط مرتبط با تجزیه ماتریس نامنفی است، ارائه گردیده است. آزمایشات گسترده ای بر روی سیگنال های مختلف صوت نویزی جهت تعیین عملکرد روش پیشنهادی، انجام شده است. نتایج شبیه سازی نشان می دهد که روش های مبتنیبر تجزیه ماتریس نامنفی بیزین، دارای عملکرد بهتری نسبت به روش های رقابتی در کاهش نویز و بهبود گفتار می باشند.
Keywords:
Authors
آروین امیدی
گروه مهندسی برق، واحد علوم و تحقیقات فارس، دانشگاه آزاد اسلامی، فارس، ایران
آروین امیدی
گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
آذر محمودزاده
گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :