基于低秩與稀疏矩陣分解的子空間語音增強方法的研究.pdf

1、學校代碼：10406分類號：TN912.3學號：130081102007南昌航空大學南昌航空大學碩士學位論文(學位研究生)基于低秩與稀疏矩陣分解的子空間基于低秩與稀疏矩陣分解的子空間語音增強方法的研究語音增強方法的研究碩士研究生：碩士研究生：謝堅筱導師：師：孫成立副教授申請學位級別：申請學位級別：碩士學科、專業(yè)：學科、專業(yè)：檢測技術(shù)與自動化裝置所在單位：所在單位：信息工程學院答辯日期：答辯日期：201606授予學位單位：授予學位單位：南

2、昌航空大學I摘要子空間語音增強方法可以有效地從帶噪語音樣本中估計出增強后語音。在傳統(tǒng)的子空間方法中，一個關(guān)鍵的步驟是通過子空間分解方法分解出一個與語音信號有關(guān)的子空間和與噪聲信號相關(guān)的子空間，通常是由奇異值分解或特征值分解來完成。然而，由于傳統(tǒng)的子空間分解算法是脆弱的，容易受大噪聲影響并使其分解精度變低，因此在低信噪比的情況下導致增強后的語音信號中有大量的殘留噪聲。本課題提出了基于低秩和稀疏矩陣分解(JLSMD)子空間方法的語音增強算法

3、。在該方法中，本課題首先將帶噪語音信號數(shù)據(jù)改為Toeplitz矩陣和估計其純凈語音信號矩陣的有效秩。然后通過基于JLSMD的子空間分解，分解得到對應(yīng)于增強后語音的低秩分量和對應(yīng)于噪聲信號的稀疏分量。同時本課題將JLSMD算法擴展到有色噪聲的情況下，對有色噪聲進行預白化處理，改進了合成分析方法，使其應(yīng)用性更廣。將JLSMD算法在高斯白噪聲和現(xiàn)實世界的噪音的情況下進行了實驗。實驗結(jié)果顯示在許多類型的強噪聲條件下，該方法比傳統(tǒng)方法產(chǎn)生更少的殘