非对称代价函数的稀疏卷积非负矩阵分解方法.pdfVIP

第 31卷 第 1期 信 号 处 理 V0l_31 No．1 2015年 1月 JOURNALOFSIGNALPROCESSING Jan．2015 非对称代价函数的稀疏卷积非负矩阵分解方法 张倩敏 陶 亮 周 健 王华彬 (安徽大学计算智能与信号处理教育部重点实验室，安徽合肥230031) 摘 要：提出一种基于非对称代价函数的稀疏卷积非负矩阵分解方法。该方法利用板仓．斋藤距离作为 目标代价 函数来衡量 目标矩阵与重建矩阵的差异，使得较小的矩阵元素具有较小的重建误差，并且该代价函数具有尺度 不变性的特点。为了考察其在弱语音成分重建方面的优势，将本文提出的算法应用于耳语音谱分解及重建实验。 实验结果表明，与基于欧氏距离和基于Kullback．Leibler(K—L)散度的卷积非负矩阵分解算法相 比，本文算法对于 弱语音成分具有更好的重构效果，重建后的语音信号具有较大的可懂度。 关键词：稀疏卷积非负矩阵分解；非对称代价函数 ；板仓一斋藤距离 ；语音可懂度 中图分类号：TP391．4 文献标识码：A 文章编号：1003—0530(2015)01—0095—08 A SparseConvolutiveNon-negativeM atrixFactorization M ethodwithAsymmetricCostFunction ZHANGQian—-min TAOLiang ZHOUJian WANGHua-·bin (KeyLaboratoryofIntelligentComputingandSignalProcessingofMinistryofEducation， AnhuiUniversity，Hefei，Anhui230031，China) Abstract： A sparseconvolutivenon-negativematrixfaetorizationmethodisproposedbasedonasymmetriccostfunction． ThemethodutilizestheItakura—Saitodistanceastheobjectivecostfunctiontomeasuretheerrorbetweenatargetmatrixand itsreconstructionversion，makingthesmallermatrixelementhaveasmallerreconsturctionerror，andthecostfunctionhas thepropertyofscaleinvariant．Inordertoevaluateitsadvantageintheaspectofweakspectrum componentreconsturction ， whisperedspeechbasisanditscoefficientsarederivedbytheproposedalgorithm ，andthentheyareusedtoreconstructthe whisperedspeech．Experimentalresultsshow thathteproposedalgorithm hasabetterreconsturctiveperformanceforweak speechcomponentthanthatbasedonEuclideandistanceandKullback—Leibler(K—L)divergence．Thereconsturcted speechsignal gainslargerintelligibilityimprovemen