非负矩阵的分解及其在单声道语音分离中的应用-计算机系统结构专业论文.docxVIP

摘 摘 要 万方数据 万方数据 摘 要 非负矩阵的分解(Non 一 negative Matrix Factorization,)简称 NMF 方法，这是 一种新的降维方法，该方法在处理数据繁多时是一种很有效的方法，采用该方 法分离出来的数据对事物本身具有局部特征的反应，NMF 方法有广泛的应用前 景，在论文里面主要针对 NMF 方法及其改进的 SNMF 算法在单声道语音分离中 的应用，在此我主要研究内容有以下： 1、分析总结了 NMF 方法的理论体系及其语音分离的若干问题，对 NMF 的 引出及其国内外的研究现状进行了简单的概述，同时给出了目前语音分离的若 干系统，给出了单声道语音分离的基本步骤 2、给 NMF 的定义做出解释，在此基础上给出了有关以 NMF 的两种类型的 目标函数，一种是欧氏距离目标函数，一种是 KL 散度目标函数，同时结合两种 目标函数的迭代规则给出了基本的推导方法，最后证明了以上两种目标函数的 收敛性，分解结果的存在性做出了证明。 3、给出了 NMF 在三种不同方法下的初始化的方法，一种 PCA 的初始化方 法，一种是改进的 PCA 的 SPCA 初始化方法，最后一种是 FCM。 4、阐述了自然界语音的基本特征，在这里我们分别从生理上心里上去了解 人类分离语音的基本流程，从而抽象出来结合计算机语音分离的基本处理步骤。 在本节的最后给出了语音分离的基本框图。