基于小波变换和独立分量分析的含噪混叠语音盲分离 blind separation of noisy speech mixtures based on wavelet transform and independent component analysis.pdfVIP

下载本文档

0
0
约1.46万字
约 4页
2017-08-21 发布于上海
举报
版权申诉

基于小波变换和独立分量分析的含噪混叠语音盲分离 blind separation of noisy speech mixtures based on wavelet transform and independent component analysis.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于小波变换和独立分量分析的含噪混叠语音盲分离 blind separation of noisy speech mixtures based on wavelet transform and independent component analysis

第28卷第9期电子与信息学报 Vbl．28No．9 Joumalof 2006年9月 ElectronicsInfbrnlation Tcchnology Sept．2006 基于小波变换和独立分量分析的含噪混叠语音盲分离赵彩华刘琚孙建德闰华 (山东大学信息科学与工程学院济南250loo) 摘要含噪混叠语音的分离是语音信号处理中的重要研究问题。该文针对语音信号的非平稳特性与不同语音源之间的相互独立性，提出用小波变换与独立分量分析相结合的方法来进行分离。首先利用小波变换分别对各含噪混叠语音进行消噪，然后用独立分量分析的方法对消噪后的混叠信号进行分离，最后进一步对分离信号作矢量归一和再消噪处理，得到各个语音源信号的最终估计。仿真结果表明这种方法取得了很好的分离效果。关键词语音分离，小波变换，独立分量分析，噪声消除中图分类号：TN912．3 文献标识码：A Blind of MixturesBasedon1VVaVelet Noisy SeparationSpeech T}ansformand IndependentComponent Analysis ZhaoCai．huaLiuJu SunJian．deYanHua l ∞向0D，矿坳删口砌疗＆fP玎cP口耐E堙妇秽f％鼬口”如馏跏fw坶坝胁口丹25000，劭f，z口) AbstractAVital in istoextractsource from is issue mixtures．Amethod speechprocessing speechesnoisy presented baSedonwaVelettransfomand inthis the miXtureswith r．Firstly，de-noise independemcomponentanalysisp印e noisy discretewaVeIettransfom． them dothe Secondlygetseparatedbyindependentcomponentanalysis．Finally’ are a leVel tothe theestimatedsource resultsexhibit post-processingseparatedsignals，then speechesgot．Simulation high of separatingperformance． words Key Speech t啪sfonn，IndependentComponentAnalysis