

已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、太原理工大學碩士研究生學位論文I基于KSVD稀疏表示的語音增強算法摘要語音增強是盡可能的從帶噪語音中提取出純凈的語音信號,以達到改善語音信號的質量和可懂度的目的。從研究現(xiàn)狀和發(fā)展成果來看,語音增強算法中不僅存在很難估計噪聲功率的問題,而且在低信噪比和非平穩(wěn)噪聲環(huán)境下提高信噪比有限的難題。稀疏表示可以根據(jù)語音本身特性構造原始語音,保留語音特性,很好地改善語音質量。但是在KSVD稀疏表示構造的字典中,由于有很多噪聲也是稀疏的,因此在低信噪比
2、下稀疏表示信噪比不高。為了解決上述問題,本文提出了一種自適應強、效果好的KSVD稀疏表示語音增強算法。通過利用信號子空間算法構造噪聲字典,有效區(qū)分噪聲和語音的關系,再經過KSVD稀疏表示構造的語音字典重構語音。此算法可以解決低信噪比下噪聲淹沒語音信號的問題,大大提高信噪比。但是子空間在構造噪聲字典時,由于噪聲的隨機性和突變性使得很難抑制非平穩(wěn)噪聲,因此比抑制平穩(wěn)噪聲難度要大得多。因此本文又提出了深度神經網絡來改善子空間算法,使構造的噪聲
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 結合EEMD與K-SVD的語音增強算法的研究.pdf
- 基于K-SVD和殘差比的稀疏表示圖像去噪研究.pdf
- 基于稀疏表示的語音增強算法研究.pdf
- 基于K-SVD的字典學習算法及應用研究.pdf
- 基于稀疏表示和字典學習的語音增強算法研究.pdf
- 基于深度極限學習機的K-SVD算法研究及其應用.pdf
- K-SVD算法在圖像去噪中的研究.pdf
- 基于稀疏表示的自適應語音增強方法研究.pdf
- 基于信號稀疏特性的語音增強算法研究.pdf
- 基于正交匹配跟蹤以及K-SVD的圖像融合技術.pdf
- 基于稀疏表示的Retinex圖像增強算法研究.pdf
- 基于判別式K-SVD的車標識別方法研究.pdf
- 基于聯(lián)合字典學習和稀疏表示的語音降噪算法研究.pdf
- 基于稀疏表示的短語音說話人識別.pdf
- 基于改進K-SVD字典的壓縮光場重構與圖像去噪研究.pdf
- 基于稀疏表示的目標跟蹤算法.pdf
- 基于稀疏表示的幀率提升算法.pdf
- 基于稀疏表示的排序學習算法.pdf
- 基于稀疏表示的手勢識別算法研究.pdf
- 基于稀疏表示模型的目標跟蹤算法.pdf
評論
0/150
提交評論