کاهش نویز سیگنال گفتار با استفاده از تجزیه ماتریس نا منفی بر پایه یادگیری بدون نظارت

  • سال انتشار: 1395
  • محل انتشار: اولین همایش ملی مهندسی برق باشگاه پژوهشگران جوان و نخبگان
  • کد COI اختصاصی: BPJCEE01_062
  • زبان مقاله: فارسی
  • تعداد مشاهده: 629
دانلود فایل این مقاله

نویسندگان

آروین امیدی

گروه مهندسی برق، واحد علوم و تحقیقات فارس، دانشگاه آزاد اسلامی، فارس، ایران

آروین امیدی

گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

آذر محمودزاده

گروه مهندسی برق، واحد شیراز، دانشگاه آزاد اسلامی، شیراز، ایران

چکیده

هنگامی که سیگنال صوتی در محیط نویزی می باشد، بهبود گفتار بسیار ضروری است. از مدت ها پیش، کاهش نویز در یک سیگنال صوتی تک صدایی نویزی، یکی از موضوعات چالش برانگیز بوده است. در مقایسه با روش های بهبود گفتار بدون نظارت سنتی، برای مثال فیلتر وینر، روش های با نظارت هم چون الگوریتم های مبتنی بر مدل های مخفی مارکوف منجر به افزایش کیفیت سیگنال های صوتی می شوند. هرچند، مشکل اصلی عملی این روش ها این است که برای هر نوع خاصی از نویز، نیازمند آموزش یک مدل، پیش از انجام بهبود گفتار می باشند. در این مقاله، یک کلاس جدید از الگوریتم های کاهش نویز آنلاین که از تجزیه ماتریس نا منفی می نمایند، معرفی می شود. همچنین یک روش بهبود گفتار جدید که مبتنی بر روابط مرتبط با تجزیه ماتریس نامنفی است، ارائه گردیده است. آزمایشات گسترده ای بر روی سیگنال های مختلف صوت نویزی جهت تعیین عملکرد روش پیشنهادی، انجام شده است. نتایج شبیه سازی نشان می دهد که روش های مبتنیبر تجزیه ماتریس نامنفی بیزین، دارای عملکرد بهتری نسبت به روش های رقابتی در کاهش نویز و بهبود گفتار می باشند.

کلیدواژه ها

بهبود سیگنال گفتار، تجزیه ماتریس نامنفی، روابط بیزین، سیگنال صوت نویزی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.