版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、語音是人類進行傳遞信息最重要、最常用的方式之一,針對語音信號處理相關的研究極為廣泛,如:語音增強、語音編碼、語音識別及語音合成等。研究人員一般使用相對純凈的語音信號進行研究,但實際應用中采集到的語音信號往往會被環(huán)境噪聲干擾,這些噪聲的存在會降低語音信號的質量及可懂度,嚴重影響語音信號處理系統(tǒng)的性能。如何有效地將污染的帶噪語音恢復為純凈語音,成為了語音增強的目的。本文以語音增強為研究目標,結合K-奇異值分解(K-singular Valu
2、e Decomposition,K-SVD)算法和集總經驗模態(tài)分解(Ensemble Empirical Mode Decomposition,EEMD)方法,提出了一種EEMD與K-SVD算法相結合的語音增強新算法。論文的主要工作與創(chuàng)新點如下:
1.提出了一種EEMD與K-SVD算法相結合的語音增強算法。該算法首先將帶噪語音通過EEMD分解得到各本征模式分量(Intrinsic Mode Function,IMF),對各IM
3、F分量進行互相關和自相關分析,去除噪聲IMF分量。同時,將過渡IMF分量再次進行EEMD分解,去除其中的噪聲成分。然后將去除噪聲的過渡IMF分量和剩余的IMF分量疊加得到新的帶噪語音。對新的帶噪語音利用K-SVD算法在純凈語音訓練的過完備字典上進行稀疏分解,通過稀疏系數重構出去噪后的語音。主、客觀實驗結果表明,本算法能夠較好地去除噪聲,在低信噪比情況下,去噪效果明顯優(yōu)于譜減法、小波閾值去噪和K-SVD字典訓練算法。
2.提出了
4、一種雙閾值的稀疏自適應匹配追蹤算法(Double Threshold Sparsity Adaptive Matching Pursuit,DTSAMP)。該算法在原算法設置單一殘差閾值的基礎上,增加了純凈信號的能量閾值。首先估計帶噪語音中的噪聲能量,進而獲得純凈信號的能量估計值,若每一次迭代重建語音信號的能量超過了純凈信號能量的1.2倍,則停止迭代,輸出語音。實驗結果表明,本算法針對含噪信號的處理上,較之傳統(tǒng)的正交匹配追蹤(Ortho
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于K-SVD稀疏表示的語音增強算法.pdf
- K-SVD算法在圖像去噪中的研究.pdf
- 基于K-SVD的字典學習算法及應用研究.pdf
- 基于深度極限學習機的K-SVD算法研究及其應用.pdf
- 基于判別式K-SVD的車標識別方法研究.pdf
- 基于正交匹配跟蹤以及K-SVD的圖像融合技術.pdf
- 基于改進K-SVD字典的壓縮光場重構與圖像去噪研究.pdf
- 基于K-SVD和殘差比的稀疏表示圖像去噪研究.pdf
- 語音增強算法的研究與實現.pdf
- 語音增強的算法研究.pdf
- 語音分離與增強算法的研究.pdf
- 語音增強算法研究與應用.pdf
- 語音增強算法研究.pdf
- 單通道語音水印與語音增強算法研究.pdf
- 語音增強算法的研究及應用.pdf
- 語音增強算法的研究及實現.pdf
- 單通道語音增強算法的研究.pdf
- 語音增強技術的算法改進研究.pdf
- 單通道語音增強算法的研究與應用.pdf
- 基于FPGA的語音增強算法研究與實現.pdf
評論
0/150
提交評論