基于稀疏非负矩阵分解的单通道语音分离方法研究

《基于稀疏非负矩阵分解的单通道语音分离方法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、参考文献：基于非负矩阵分解的单通道语音分离方法研究专业：网络工程学号：6100408049学生姓名：敖艳玲指导教师：梁声灼摘要这篇论文首先简单地介绍了一下非负矩阵分解和单通道语音分离。由于数据的非负性的要求，让其更能符合人类的认识思维习惯。非负矩阵分解具有速度快和占用存储空间小等优点，从而使得其得到了广泛的应用，其中包括语音分离。如果能找到一个快速的语音分离算法，它将会推动人工智能、自动音乐复制、声音特效、对象译码等的应用和研究。最后，本文展示了一个用于分离在单个通道记录中的两个讲话者的方法。这个分离实验是在一个代表语音最佳的低维特征空间中实施。对于每个讲话者，一个过完备基是采用稀

2、疏非负矩阵分解评估的，同时语音混合物是通过将其映射到两个讲话者的联合基中分离的。我们采用语音分离竞赛数据集中的单词识别率来评估这个方法。关键词：非负矩阵分解;单通道;语音分离;语音分离竞赛25参考文献：InvestigatingSingle-channelspeechSourceSeparationMethodsBasedonNon-NegativeMatrixFactorizationAbstractThispaperintroducebrieflyaboutnon-negativematrixfactorization(NMF)andSinglechannelspeechsep

3、arationatfirst.Becauseoftherequirementofnon-negative,makestheNMFfitstothehumanhabitofcognition.TheNMFhastheadvantageoffastspeedandlowstorageetc.,so,itattainawiderangeofapplications,whichincludetheseparationofspeech.Ifwecanfindahigh-effectivespeechseparationalgorithm，itwillpromotetheapplication

4、andresearchofartificialintelligence,automaticmusictranscription,objectcoding,specialsoundeffectsandsoon.Finally,thispaperdescribesamethodforseparatingtwospeakersinasinglechannelrecording.Theseparationisperformedinalowdimensionalfeaturespaceoptimizedtorepresentspeech.Foreachspeaker,anovercomple

5、tebasisisestimatedusingsparsenon-negativematrixfactorization,andamixtureisseparatedbymappingthemixtureontothejointbasesofthetwospeakers.Themethodisevaluatedintermsofwordrecognitionrateonthespeechseparationchallengedataset.Keywords:Non-negativeMatrixFactorization;Single-channel;SpeechSeparation

6、;speechseparationchallenge25参考文献：目录摘要IAbstractII第一章绪论11.1选题依据11.2国内外研究状况11.3主要研究内容21.4论文主要成果31.5论文结构3第二章语音分离及NMF背景知识52.1语音分离52.2非负矩阵分解（NMF）6第三章NMF算法分析83.1基本NMF算法83.1.1目标函数83.1.2迭代函数83.2局部非负矩阵分解(LNMF)93.2.1目标函数93.2.2迭代函数93.3非负稀疏编码(NNSC)103.3.1目标函数103.3.2迭代函数103.4稀疏非负矩阵分解(SNMF)103.4.1目标函数103.4.2

7、迭代函数11第四章实验124.1非负特征124.2语音分离134.3讲话者识别154.4重过滤164.5语音识别174.6讨论17第五章总结205.1论文总结205.2相关问题讨论20致谢22参考文献2325参考文献：25参考文献：25参考文献：第一章绪论1.1选题依据自从非负矩阵分解（NMF）第一次由D.D.Lee和H.S.seung于1999年提出后，便表现出极大的魅力。由于NMF算法实现简便有效,非负矩阵分解已成为模式识别研究领域中特征提取和数据降维的一种新方法