非负矩阵分解算法及在语音转换中的应用计算机应用技术专业论文.docxVIP

安徽大学硕士学位论文 安徽大学硕士学位论文 Abs的ct to obtain the and target speaker’S time-frequency bases respectively．During the conversion phase，the time-frequency spectrum matrix of the speech is decomposed on the source basis matrix to get the source coefficient matrix，the target speech is reconstructed by the source non—negative coefficient matrix and the target basis matrix．Experimental results show that the source speech is transformed effectively to the target speech with higher intelligibility． Key words：Convolutive non-negative matrix factorization；Sparse constraints； Itakura-Saito distance；Voice conversion；Speech intelligibility III 万方数据 安徽大学硕士学位论文 安徽大学硕士学位论文 非负矩阵分解算法及在语音转换中的应用 目录 摘要 I Abstract ．II 目录 ．IV 第一章绪论 ．．1 1．1非负矩阵分解算法的概述 一1 1．1．1非负矩阵分解算法的研究目的和意义 1 1．1．2非负矩阵分解算法的研究现状 ～5 1．2语音转换的常用方法 ．8 1．3本文主要研究内容 ．9 1．4本文内容结构 ．．9 第二章非负矩阵分解基础理论 11 2．1基本思想 11 2．2基本算法 12 2．2．1目标代价函数 12 2．2．2迭代规则 13 2．2．3求解结果的性质 14 2．3 NMF算法的迭代终止条件 ．．20 2．4本章，J、害占 一 ． 20 第三章基于板仓．斋藤距离的稀疏卷积非负矩阵分解算法 一2l 3．1引言 ．21 3．2算法理论 22 3．2．1目标代价函数 22 3．2．2迭代规则 24 3．3实验仿真及结果分析 26 3．3．1实验仿真 26 3．3．2结果分析 34 3．4本章小结 35 IV 万方数据 安徽大学硕士学位论文 安徽大学硕士学位论文 目录 第四章基于稀疏卷积非负矩阵分解的语音转换 36 4．1引言 36 4．2语音转换原理 37 4．3实验仿真及结果分析 38 4．3．1实验仿真 38 4．3．2结果分析 43 4．4本章小结 44 第五章总结与展望 ．．45 5．1本文研究工作及成果 45 5．2展望 ． 46 参考文献 ．．47 附图 53 The appended figures ． ． ． ． ．．54 附表 ．．55 The appended tables ． ．56 致谢 57 攻读硕士学位期间发表的学术论文目录 一58 万方数据 安徽大学硕士学位论文 安徽大学硕士学位论文 第一章绪论 第一章绪论 1．1非负矩阵分解算法的概述 1．1．1非负矩阵分解算法的研究目的和意义 当前，随着“互联网+”概念的提出以及信息化的发展，互联网和传统行 业进行深度融合，使得各种数据以指数型增长方式进行增长，社会各个领域不 断涌现出高维数据，大多数据需要人们进行分析和处理，例如：多媒体数据、 语音数据库中存放的大量语音数据、金融数据、基因序列、移动终端收到的实 时数据、雷达不断传回的信号数据、web文档、数据库中存放的大量文本信息、 各种监测信息数据等等，这些数据都具有信息量广、数据量大、存储空间多等 特征，由于这些数据大都是半结构或无结构的，人们进行分析这些数据的时候， 如何在这些大规模数据中快速地分析出人类所需要的数据，就成为了一个亟待 解决的问题。通常，一种被处理后的数据应至少具备以下两方面特征：(1)使得 数据的存储空间得到减少；(2)数据的某种潜在结构得到进一步明化。高维数据 的产生，使得人们在分析数据时利用的传统数据分析方法受到严重挑战。 在当今时代，计算机逐渐地成为信息处理的最基本也是最重要的工具。