Speech enhancement based on hidden Markov model using sparse code shrinkage

  • سال انتشار: 1395
  • محل انتشار: مجله هوش مصنوعی و داده کاوی، دوره: 4، شماره: 2
  • کد COI اختصاصی: JR_JADM-4-2_009
  • زبان مقاله: انگلیسی
  • تعداد مشاهده: 427
دانلود فایل این مقاله

نویسندگان

E. Golrasan

Department of Computer Engineering, Sharif University of Technology, Tehran, Iran.

H. Sameti

Department of Computer Engineering, Sharif University of Technology, Tehran, Iran.

چکیده

This paper presents a new hidden Markov model-based (HMM-based) speech enhancement framework based on the independent component analysis (ICA). We propose analytical procedures for training clean speech and noise models by the Baum re-estimation algorithm and present a Maximum a posterior (MAP) estimator based on Laplace-Gaussian (for clean speech and noise respectively) combination in the HMM framework, namely sparse code shrinkage-HMM (SCS-HMM).The proposed method on TIMIT database in the presence of three noise types at three SNR levels in terms of PESQ and SNR are evaluated and compared with Auto-Regressive HMM (AR-HMM) and speech enhancement based on HMM with discrete cosine transform (DCT) coefficients using Laplace and Gaussian distributions (LaGa-HMMDCT). The results confirm the superiority of SCS-HMM method in presence of non-stationary noises compared to LaGa-HMMDCT. The results of SCS-HMM method represent better performance of this method compared to AR-HMM in presence of white noise based on PESQ measure.

کلیدواژه ها

Speech Signal Enhancement, HMM-based Speech Enhancement, Multivariate Laplace Distribution, Independent Component Analysis (ICA transform), Sparse Code Shrinkage Enhancement Method

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.