高雜訊環境下基於稀疏表示法的語音強化

淡江大學機構典藏 > 工學院 > 電機工程學系暨研究所 > 學位論文 > Item 987654321/105858

請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/105858

題名:	高雜訊環境下基於稀疏表示法的語音強化
其他題名:	Speech enhancement based on sparse theory under noisy environment
作者:	陳彥亨;Chen, Yan-Heng
貢獻者:	淡江大學電機工程學系碩士班謝景棠;Hsieh, Ching-Tang
關鍵詞:	語音增強;稀疏表示;Speech enhancement;sparse representations;K-SVD;Discrete consine transform(DCT);Orthogonal matching pursuit(OMP)
日期:	2015
上傳時間:	2016-01-22 15:07:02 (UTC+8)
摘要:	近年來，基於稀疏演算法用於訊號增強是越來越熱門的議題，此論文，我們運用稀疏演算法來增強語音訊號，我們將稀疏過程分為兩個部分：一部份為字典訓練，另一部份為語音訊號重建。乾淨語音字典是使用含雜訊語音資料利用K-SVD演算法訓練後取得，而乾淨語音字典的稀疏係數Ｘ則利用Orthogonal Matching Pursuit (OMP)演算法進行最佳化。語音訊號重建時可透過乾淨語音字典矩陣與稀疏係數矩陣相乘產生。系統則在高雜訊環境下進行評估，其環境分為白色高斯雜訊與彩色雜訊環境；同時利用四種語音客觀評估方式(SNR、LLR、SNRseg與PESQ)來評估語音去除雜訊效能。最後再與其他語音增強方法進行比較，實驗證實我們所提出的方法較優於其他語音增強方法。 Recently, sparse algorithm for signal enhancement is more and more popular issues. In this paper, we apply it to enhance speech signal. The process of sparse theory is classified into two parts, one is for dictionary training part and the other is signal reconstruction part. We focus environment on both white Gaussian noise and color noise filtering based on sparse. The orthogonal matching pursuit (OMP) algorithm is used to optimize the sparse coefficients X of clean speech dictionary, where clean speech dictionary is trained by K-SVD algorithm. Then, we multiply these two matrixes D'' and X to reconstruct the clean speech signal. Denoising performance of the experiments shows that our proposed method is superior than other state of art methods in four kind of objective quality measures as SNR, LLR, SNRseg and PESQ.
顯示於類別:	[電機工程學系暨研究所] 學位論文

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	197	檢視/開啟

在機構典藏中所有的資料項目都受到原著作權保護.

TAIR相關文章

資料載入中.....