基于在线估计字典的低秩与稀疏分析应用于语音增强
声音
2016-12-21 v1
摘要
我们提出了一种基于在线估计字典的单通道语音增强算法，该算法侧重于低秩与稀疏矩阵分解。在此提出的算法中，带噪语音频谱矩阵被视为低秩背景噪声分量与在线语音字典激活的求和，并对两者施加低秩和稀疏约束。这种分解利用了局部估计字典对语音分量的高表达力。局部字典可通过应用期望最大化算法估计语音存在概率来获得，其中使用了语音幅度谱的广义 Gamma 先验。评估结果表明，与其他四种语音增强算法相比，所提出的算法取得了显著改进。
引用
@article{arxiv.1609.09231,
title = {Low Rank and Sparsity Analysis Applied to Speech Enhancement via Online Estimated Dictionary},
author = {Pengfei Sun and Jun Qin},
journal= {arXiv preprint arXiv:1609.09231},
year = {2016}
}
备注
9 pages, 3 figures, journal in IEEE signal processing letter 2016