2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、樂音信號作為一類隨機(jī)信號被人們熟知,其概率密度函數(shù)全面描述了樂音信號的統(tǒng)計特性,是樂音信號處理的理論基礎(chǔ)和分析工具,其應(yīng)用涉及樂音信號檢測、識別、分離、分類和特征提取等領(lǐng)域。本文用廣義高斯分布(GeneralizedGaussian Distribution,GGD)對樂音信號的概率密度建模,并圍繞廣義高斯分布在樂音盲分離的應(yīng)用展開研究,包括以下幾方面內(nèi)容:
   1.較深入地研究了樂音信號概率密度估計問題。鑒于廣義高斯分布在語

2、音概率模型中的理論基礎(chǔ),統(tǒng)計不同信源不同時長的時域樂音信號,以及STFT每個頻帶處時變成分的頻率直方圖。通過觀察樂音信號直方圖的形態(tài)變化,本文選擇廣義高斯分布對樂音信號的概率密度建模。
   2.考察廣義高斯分布在時域樂音盲分離中的應(yīng)用,將廣義高斯分布用于時域樂音信號概率密度函數(shù)建模,給出一種基于GGD盲分離算法的確定形狀參數(shù)的方式,稱為基于GGD的動態(tài)參數(shù)估計,用于解決多通道樂音盲分離問題。為了加快收斂速度,將降采樣處理加入動

3、態(tài)參數(shù)估計ICA算法中,從而減少CPU運(yùn)行時間。仿真實(shí)驗表明基于GGD的動態(tài)參數(shù)估計ICA具有優(yōu)良的性能,以及對同系混合樂音源和雜系混合樂音源的普適性。同時,用廣義高斯分布對樂音信號時域基函數(shù)對應(yīng)投影系數(shù)的概率密度函數(shù)進(jìn)行建模,驗證了基于時域基函數(shù)的單通道樂音盲分離的有效性。
   3.考察廣義高斯分布在頻域樂音盲分離中的應(yīng)用,用廣義高斯分布對STFT每個頻帶處時變成分的概率密度函數(shù)建模,解決頻域內(nèi)卷積混合樂音盲分離問題。為了更

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論