基于自适应逼近残差的稀疏表示语音降噪方法
该文提出一种基于自适应逼近残差的稀疏表示语音降噪方法。在字典学习阶段基于K奇异值分解(K-Singular Value Decomposition, K-SVD)算法获得干净语音谱的过完备字典,在稀疏表示阶段基于权重因子调整后的噪声谱和估计的交叉项对逼近残差持续自适应地更新,并采用正交匹配追踪(Orthogonal Matching Pursuit, OMP)方法对干净语音谱进行稀疏重构。最后结合估计的干净语音谱与带噪语音相位,通过傅里叶逆变换获得重构的干净语音。实验结果表明所提方法在不同噪声和信噪比条件下相比标准的谱减法,稀疏表示语音降噪算法和基于自回归隐马尔可夫模型的降噪方法有更好的降噪效果。
语音降噪、稀疏表示、K奇异值分解、正交匹配追踪
39
TN912.3
国家自然科学基金61571192;广东省公益项目2015A010103003 Foundation Items:The National Natural Science Foundation of China61571192;The Science and Technology Foundation of Guangdong Province2015A010103003
2017-03-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
309-315