利用全变异性建模自适应 NMF 字典以实现噪声鲁棒声学特征
音频与语音处理
2019-07-17 v1 声音
摘要
我们提出一种从噪声语音中提取噪声鲁棒声学特征的算法。我们将全变异性建模与非负矩阵分解（NMF）结合使用，以学习全变异性子空间并为每个话语自适应 NMF 字典。与几种其他提取噪声鲁棒特征的方法不同，我们的算法不需要干净与噪声语音平行的训练语料库。此外，所提特征由话语特定的变换产生，使特征对发生在每个话语中的噪声具有鲁棒性。在 Aurora 4 + DEMAND 噪声语料库上的初步结果表明，我们提出的特征与基线声学特征性能相当，包括从卷积 NMF（CNMF）模型计算的特征。此外，在未知噪声上，与基线特征相比，我们提出的特征给出了与干净语音最相近的词错误率。
引用
@article{arxiv.1907.06859,
title = {Towards Adapting NMF Dictionaries Using Total Variability Modeling for Noise-Robust Acoustic Features},
author = {Kunal Dhawan and Colin Vaz and Ruchir Travadi and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:1907.06859},
year = {2019}
}