基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目前解决语音信号盲源分离(Blind source separation,BSS)的两大类方法分别为频域独立成分分析(Frequency domain independent component analysis,FDICA)和基于稀疏性的时频掩蔽(Time frequency masking,TF masking).为此将两类方法优点相结合,利用TF masking方法的结果,对FDICA做初始化,在加快FDICA收敛速度的同时也避免了次序不确定性问题.此外还提出了一种新的基于语音稀疏性FDICA的BSS后处理方法:基于局部最小比例控制(Local minimum ratio controlled,LMRC)谱减法,比常规的TF masking、维纳滤波等后处理方法,能够更有效地控制音乐噪声,提高分离性能.合成数据和实际采集数据的实验结果验证了所提方法的有效性.
推荐文章
一种基于新型 BDS 模型的语音信号字典构造方法
K-AVD
稀疏表示
字典训练
最佳字典规模
基于线性预测分析的语音信号压缩感知
压缩感知
语音信号
稀疏性
线性预测分析
正交匹配追踪
基于CEP和LPC谱提取语音信号基音周期的方法
同态分析
线性预测分析(LPC)
基音周期
Matlab
一种有效的语音信号盲分离方法
盲源分离
独立分量分析
排列模糊
语音信号处理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于语音信号稀疏性的FDICA初始化和后处理方法
来源期刊 数据采集与处理 学科 工学
关键词 盲源分离 独立成分分析 时频掩蔽 局部最小比例控制谱减法
年,卷(期) 2012,(2) 所属期刊栏目
研究方向 页码范围 210-217
页数 分类号 TN912.35
字数 6318字 语种 中文
DOI 10.3969/j.issn.1004-9037.2012.02.014
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 戴礼荣 中国科学技术大学电子工程与信息科学系 86 643 14.0 21.0
2 张宁 中国科学技术大学电子工程与信息科学系 80 479 11.0 18.0
3 马峰 中国科学技术大学电子工程与信息科学系 2 39 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (8)
节点文献
引证文献  (5)
同被引文献  (3)
二级引证文献  (16)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(8)
  • 引证文献(2)
  • 二级引证文献(6)
2016(3)
  • 引证文献(1)
  • 二级引证文献(2)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(2)
  • 引证文献(1)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
盲源分离
独立成分分析
时频掩蔽
局部最小比例控制谱减法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
总被引数(次)
25271
论文1v1指导