文献

J-GLOBAL ID：201502276484208411   整理番号：15A0057770

スパースK-SVD辞書学習に基づく音声強調【Powered by NICT】

Speech Enhancement Based on Sparse K-SVD Dictionary Learning

著者 (5件)： Huang Ling (School of Information Sci. and Engineering,Xiamen Univ., Xiamen) ,  Li Lin (School of Information Sci. and Engineering,Xiamen Univ., Xiamen) ,  Wang Wei (School of Information Sci. and Engineering,Xiamen Univ., Xiamen) ,  Yi Caiqin (School of Information Sci. and Engineering,Xiamen Univ., Xiamen) ,  Guo Donghui (School of Information Sci. and Engineering,Xiamen Univ., Xiamen)
資料名： Xiamen Daxue Xuebao. Ziran Kexue Ban  (Xiamen Daxue Xuebao. Ziran Kexue Ban)
巻： 53  号： 1  ページ： 36-40  発行年： 2014年 
JST資料番号： W1452A  ISSN： 0438-0479  CODEN： HMHHAF  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スパースK-SVD辞書学習アルゴリズムを持つスパース表現に基づく音声強調手法を提案した。スパースK-SVDアルゴリズムでは,冗長な辞書,まばらに基づいて辞書にコード化されており,わずか数スパース係数更新による学習を訓練するために使用した。音声信号の最もスパース係数は直交マッチング追跡アルゴリズムにより分解した。音声信号を再構築し,音声強調を達成した。NOIZEUS音声コーパス上で行った一連の実験。また結果は,スパース表現(スパースK-SVDとK-SVD辞書学習アルゴリズムを用いた)に基づく音声強調方法は主観的および客観的の両条件での評価において従来の方法(ウェーブレット,スペクトル減算,最適化されたスペクトル減算のような)より性能が優れているを示した。辞書訓練時間の項における,スパースK-SVDを利用した方法はほぼ80%~-90%の計算量を減少させることによりK-SVDを用いた方法よりもより効率的な性能を示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *図面 ,  *音声強調 ,  学習アルゴリズム ,  符号化 ,  音声信号 ,  波束 ,  最適化 ,  計算量
準シソーラス用語： *辞書学習 ,  スパース表現 ,  音声コーパス ,  スペクトルサブトラクション法 , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： K-SVD ,  辞書学習 ,  音声強調