非負(fù)矩陣的分解及其在單聲道語(yǔ)音分離中的應(yīng)用.pdf

1、非負(fù)矩陣的分解(Non一negative Matrix Factorization,)簡(jiǎn)稱NMF方法,這是一種新的降維方法,該方法在處理數(shù)據(jù)繁多時(shí)是一種很有效的方法,采用該方法分離出來(lái)的數(shù)據(jù)對(duì)事物本身具有局部特征的反應(yīng),NMF方法有廣泛的應(yīng)用前景,在論文里面主要針對(duì)NMF方法及其改進(jìn)的SNMF算法在單聲道語(yǔ)音分離中的應(yīng)用,在此我主要研究?jī)?nèi)容有以下:
　　1、分析總結(jié)了NMF方法的理論體系及其語(yǔ)音分離的若干問題,對(duì)NMF的引出及其國(guó)

2、內(nèi)外的研究現(xiàn)狀進(jìn)行了簡(jiǎn)單的概述,同時(shí)給出了目前語(yǔ)音分離的若干系統(tǒng),給出了單聲道語(yǔ)音分離的基本步驟
　　2、給NMF的定義做出解釋,在此基礎(chǔ)上給出了有關(guān)以NMF的兩種類型的目標(biāo)函數(shù),一種是歐氏距離目標(biāo)函數(shù),一種是KL散度目標(biāo)函數(shù),同時(shí)結(jié)合兩種目標(biāo)函數(shù)的迭代規(guī)則給出了基本的推導(dǎo)方法,最后證明了以上兩種目標(biāo)函數(shù)的收斂性,分解結(jié)果的存在性做出了證明。
　　3、給出了NMF在三種不同方法下的初始化的方法,一種PCA的初始化方法,一種是

3、改進(jìn)的PCA的SPCA初始化方法,最后一種是FCM。
　　4、闡述了自然界語(yǔ)音的基本特征,在這里我們分別從生理上心里上去了解人類分離語(yǔ)音的基本流程,從而抽象出來(lái)結(jié)合計(jì)算機(jī)語(yǔ)音分離的基本處理步驟。在本節(jié)的最后給出了語(yǔ)音分離的基本框圖。
　　5、結(jié)合基本的NMF算法和改進(jìn)的NMF算法SNMF算法在單聲道語(yǔ)音分離過程給出實(shí)驗(yàn)的比較結(jié)果,我們是從兩方面進(jìn)行比較:一方面是源信號(hào)分離的準(zhǔn)確率比較,一方面是分離相同的信號(hào)源個(gè)數(shù)所費(fèi)的時(shí)間比