2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩57頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、語音分離包括人聲與人聲的分離、人聲與噪聲的分離,本文主要的研究工作是人聲與噪聲的分離,也稱為語音增強。
  隨著人工智能的日益發(fā)展,語音交互技術(shù)在現(xiàn)實生活的應(yīng)用日益廣泛,但是噪聲的干擾往往會嚴重降低語音交互性能,因此語音和噪聲的分離工作就顯得尤為重要,另外由于很多語音交互的場景是基于單麥克風(fēng)的,所以近年來基于單麥克風(fēng)的語音分離技術(shù)受到越來越多很多科研人員的關(guān)注。
  傳統(tǒng)單通道語音分離算法可分為基于無監(jiān)督的單通道語音分離和基

2、于有監(jiān)督的單通道語音分離兩大類?;跓o監(jiān)督的單通道語音分離技術(shù)大多基于數(shù)字信號處理技術(shù),如譜減法、維納濾波等。傳統(tǒng)基于有監(jiān)督的語音分離算法比較常用的有:基于淺層人工神經(jīng)網(wǎng)絡(luò)的語音分離、基于非負矩陣分解(NMF)的語音分離和基于隱馬爾可夫模型(HMM)的語音分離。
  近年來,隨著深度神經(jīng)網(wǎng)絡(luò)(DNN)技術(shù)的不斷發(fā)展,基于DNN的單通道語音分離技術(shù)取得了很大進展。DNN強大的非線性建模能力使得基于DNN的語音分離能取得很好的分離效果

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(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(dān)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。

評論

0/150

提交評論