首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   10篇
  免费   0篇
综合类   10篇
  2001年   2篇
  2000年   5篇
  1999年   2篇
  1998年   1篇
排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
基于听觉现象分析(CASA)模型的基本原理,在仅有单通道输入混合语音信号时,采用振荡器神经网络,提出了一种CASA改进模型语音分离算法结构,文中利用一个实例说明了新算法的具体实现步骤,讨论了新算法机构中语音听觉外围处理部分和分割神经网络处理部分,通过上述两个部分的处理可以将输入混合语音信号在时频域上分割为若干有听觉感知意义的语音听觉感知成分分段Segments,以便于新算法后续处理分部中语音Segments的聚为和分离重构输出处理,最终完成语音分离任务。  相似文献   
2.
基于高斯混合密度函数估计的语音分离   总被引:3,自引:0,他引:3  
基于最大熵法(Maximum Entropy,ME)、最小互信息量法(Minimum Mutual Information,MMI)和最大似然法(MaximumLIkelihood,ML)最解决盲信号分离问题的常用算法,分析了ME、MMI以及ML算法之间关系。基于高斯混合模式(Gaussian Mixture Model,GMM)概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法,与  相似文献   
3.
基于CASA简化模型的语音增强算法   总被引:2,自引:0,他引:2  
基于听觉现象分析(CASA)模型的基本原理,针对仅有非语音信号干扰情况下的单通道语音增强处理问题,利用人耳的频率掩蔽效应,提出了一种单通道简化CASA计算模型语音增强新算法,新算法通过提取混合语音输入中的有效语音时频成分并利用人耳的听觉掩蔽效应重构合成增强语音输出信号,通过在汽车噪声和白噪声干扰下的仿真实验结果表明,简化的CASA模型语音增强算法的输出信噪比约提高了10dB,且可以有效抑制干扰噪声的听觉影响,增强输出语音信号的可懂度。  相似文献   
4.
基于听觉现象分析计算模型 (CASA)的基本原理 ,对仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA计算模型语音分离算法结构 .利用实例说明了算法的具体实现步骤和参数设置 .讨论了该算法结构中各语音听觉感知成分 Segments的聚类过程和对分离输出语音的重构处理部分 ,以及如何采用合适的听觉感知成分聚类规则设计相应的聚类神经网络 ,以完成对应不同输入独立语音源信号的各 Segm ents的聚类 ,从而实现语音分离任务  相似文献   
5.
基于统计估计的盲信号分离算法   总被引:3,自引:0,他引:3  
最大熵法(MaximumEntropy,ME)和最小互信息量法(MinimumMutualInformation,MMI)是两种目前最常用的盲信号分离算法.在分析ME与MMI算法的基础上,提出了一种利用反馈结构的输出信号概率密度函数(pdf)估计的增强ME算法.与传统ME算法相比较,新算法无需给出传统ME算法中神经元非线性函数的具体表达形式,而是直接利用输出信号pdf估计来推导算法的迭代核,进行算法自适应.分析了应用几种不同pdf估计方法的新算法迭代公式.通过计算机模拟表明,新算法比传统ME算法对于解决卷积混合输入的盲信号分离问题时,具有更好的算法性能.  相似文献   
6.
自适应噪声对消中的ELMS算法及其变步长算法   总被引:2,自引:0,他引:2  
基于对LMS算法的研究,提出一种适用于自适应噪声对消(ANC)系统的ELMS算法结构,分析比较了ELMS算法与LMS算法的统计性能,还提出了一种较为实用的变步长归一化MVS-ANELMS算法.大量的计算机模拟仿真论证了新算法的优越性.  相似文献   
7.
采用聚类神经网络与分离输出语音重构的语音分离算法   总被引:1,自引:1,他引:0  
基于听觉现象分析计算模型 ( CASA)的基本原理 ,对仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA计算模型语音分离算法结构 .利用实例说明了算法的具体实现步骤和参数设置 .讨论了该算法结构中各语音听觉感知成分 Segments的聚类过程和对分离输出语音的重构处理部分 ,以及如何采用合适的听觉感知成分聚类规则设计相应的聚类神经网络 ,以完成对应不同输入独立语音源信号的各 Segments的聚类 ,从而实现语音分离任务  相似文献   
8.
基于二阶前向结构和信息最大理论的语音增强算法   总被引:3,自引:0,他引:3  
基于自适应噪声对消(ANC)的思想,提出了一种适合于语音增强任务的二阶ANC结构。利用信息最大原理,推导了基于新结构的相应语音增强算法迭代公式。新结构的主要优化在于其能分离出原始语音信号而没有滤波失真。对真实语音信号进行大量计算机模拟实验,结果表明,新算法在噪声抑制方面具有较好的性能。  相似文献   
9.
基于最大熵法(MaximumEntropy,ME)、最小互信息量法(MinimumMutualInformation,MMI)和最大似然法(MaximumLikelihood,ML)是解决盲信号分离问题的常用算法,分析了ME、MMI以及ML算法之间的关系.基于高斯混合模式(GaussianMixtureModel,GMM)概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法.与传统ME的计算机模拟实验结果比较得知,新算法具有更好的收敛性能和语音分离效果  相似文献   
10.
针对实验环境中可能出现的非线性卷积混合盲信号分离问题,在反馈结构最大似然盲信号分离算法的基础上,利用混合高斯模式概率密度函数估计方法,提出了一种采用有限冲激响应神经网络的非线性盲分离算法,并推导了新算法的权向量迭代公式.通过与其他盲信号分离算法的计算机模拟实验结果比较,新算法能更有效地进行非线性函数逼近,得到更小的输出均方误差,达到较好的非线性盲信号分离效果.  相似文献   
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号