文献

J-GLOBAL ID：201702267991334962   整理番号：17A1352553

ロバストなスパースBayes学習に基づく単一チャネル音声分離【Powered by NICT】

Single-channel speech separation based on robust sparse Bayesian learning

著者 (3件)： Wang Zhe (School of Electrical & Electronic Engineering, Nanyang Technological University, Singapore) ,  Bi Guoan (School of Electrical & Electronic Engineering, Nanyang Technological University, Singapore) ,  Li Xiumei (School of Information Science and Engineering, Hangzhou Normal University, Hangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCA  ページ： 113-117  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,効率的なデータ再構成のための新しい技術である圧縮センシングに基づくスパース性に基づく単一チャネル音声分離(SCSS)問題の性能を改善するための新しいアルゴリズムを提案した。従来の方法は混合条件を仮定し,信号源が固定している。音源分離の実用的応用のために,源または移動話者の変化による非定常混合条件の挑戦に直面している。音声信号は自動キャリブレーションスパースBayes学習アルゴリズムに基づく回収が提案したアルゴリズムは,SCSSにおけるこの非定常状況を検討した。他のスパース表現手法との性能比較を含む数値実験により,得られた性能改善を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *チャネル ,  *透視図法 ,  アルゴリズム ,  *ロバスト性 ,  音声信号
準シソーラス用語： スパース表現 ,  非定常性 ,  話者 ,  音源分離 ,  信号源 ,  スパース性 ,  圧縮センシング ,  データ再構成 ,  *音声分離 ,  *Bayes学習 , 【Automatic Indexing@JST】

分類 (2件)： 音声処理  (JE05000E) ,  信号理論  (ND02020G)

タイトルに関連する用語 (4件)： ロバスト ,  Bayes学習 ,  チャネル ,  音声分離