10.16526/j.cnki.11-4762/tp.2020.06.023
基于深神经网络的线性回波抵消与不完全传递函数的凸重构
开发了一种在时频域中工作算法,该算法假设只有在逼近信号不活跃的频率条件下,才能估计出各自的传递函数;该算法利用在混合信号上训练的深神经网络来检测逼近信号的活动,在未检测到任何活动频率情况下,使用常规频域最小二乘法估计声波传递函数;对于出现的传递函数(ITF)估计不完整问题,该算法通过模糊时间域内ITF最稀疏表示来完成,将软阈值函数应用于时间域,由软阈值函数自适应完成,同时使用过采样来提高精度.实验结果表明:在活跃频率为80%时,该算法比传统算法收敛速度快50%左右;语音实验中,改进ADMM算法耗时0.125 s,明显优于传统算法;为语音传输业务中存在回声消除问题提供了新思路.
线性回波、回声消除、深神经网络、软阈值
28
TN914
2020-07-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
108-112