基于负熵最大化改进的语音音乐信号分离

• 作者: 于凤芹 郭伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 负熵最大化 语音音乐分离 牛顿下山法 初值敏感
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 信号处理
• 页码范围: 209-212
• 页数: 4页
• 分类号: TN912
• 字数: 3689字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1306-0039

摘要

负熵是一种重要的非高斯性度量方法，最大化负熵使随机变量的非高斯性达到最大，从而使输出的各分量之间相互独立。负熵最大化算法以负熵作为目标函数，牛顿迭代法作为优化算法，针对牛顿迭代法中对初始值选择敏感的问题，用牛顿下山法代替牛顿迭代法，通过改变下山因子，使目标函数呈下降趋势，降低算法对初始值的依赖性。实验结果表明，改进后的算法在不同初始值下均能较好地分离语音音乐混合信号，改善了初值敏感问题。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于凤芹	江南大学物联网工程学院	143	708	12.0	18.0
2	郭伟	江南大学物联网工程学院	6	24	3.0	4.0