【摘 要】
：
提出一种基于语音信号稀疏特征的稀疏分量分析两步法,力图提高欠定情况下的语音信号盲分离性能。不同于传统的两步法,所提方法需要获取语音信号在变换域中的稀疏特征,将贪婪最优化思想引入至稀疏分量分析方法中,重构欠定盲分离语音源信号。通过仿真对比实验,展示了该方法应用于平稳声音信号和非平稳语音信号的盲分离效果,它能较好恢复语音源信号。与现有的最短路径法相比,所提算法可以提高两路以上观测信号的分离性能。相较于平滑L0范数算法,所提算法可以有效提高来波方向较近的语音盲信号分离性能。该方法具有更广阔的适用范围。
【基金项目】
：
国家自然科学基金项目(61401145、61701306),上海市自然科学基金项目(19ZR1437600),上海师范大学硕士研究生学术新人培育基金项目(209-AC9103-19-368005277)。
论文部分内容阅读
提出一种基于语音信号稀疏特征的稀疏分量分析两步法,力图提高欠定情况下的语音信号盲分离性能。不同于传统的两步法,所提方法需要获取语音信号在变换域中的稀疏特征,将贪婪最优化思想引入至稀疏分量分析方法中,重构欠定盲分离语音源信号。通过仿真对比实验,展示了该方法应用于平稳声音信号和非平稳语音信号的盲分离效果,它能较好恢复语音源信号。与现有的最短路径法相比,所提算法可以提高两路以上观测信号的分离性能。相较于平滑L0范数算法,所提算法可以有效提高来波方向较近的语音盲信号分离性能。该方法具有更广阔的适用范围。
其他文献
针对立体匹配算法中匹配精度不高的问题,提出一种基于树形滤波的立体匹配算法。利用像素边缘信息自适应改变Census变换窗口,融合颜色、边缘和改进后的Census信息作为匹配代价,对图像进行均值分割,以聚类区域计算树边权重,建立最小生成树,利用树形滤波器进行代价聚合,使用左右一致性检测细化视差,得到精确视差图。实验结果表明,该算法具有更优的匹配精度且生成的视差图具有良好的边缘保持特性,能够较好适应各种
目的:分析优质护理对病毒性心肌炎患者治疗依从性及生活质量的护理效果.方法:随机抽取院内2019年5月与2020年9月内87名病毒性心肌炎患者作为观察对象,按照双色球分组原则将87
在大数据时代,针对CLUBS算法较高的计算复杂度导致训练效率低下的问题,提出一种面向大规模数据的并行聚类算法CLUBS‖,通过将CLUBS算法的思想融入MapReduce并行计算框架,实现数据的并行处理,提高算法的计算效率,从理论上对几个关键计算的并行化进行较为深入的分析,基于Ad-hoc消息传递对该算法进行实现。实验结果验证了所提方法的有效性。
为提高液压状态监测系统故障诊断的准确度,提出一种基于IGCS-K2算法的液压状态监测系统传感器故障诊断方法。通过结合信息几何理论与K2评分搜索策略优化贝叶斯网络结构的生成方法,利用运转正常的传感器数据形成贝叶斯网络模型并对传感器最新数据进行预测,通过预测值与观测值的对比判断传感器是否存在故障。实验结果表明,优化后的贝叶斯网络结构生成方法具备相应的理论支持与实践证明,结构准确率与方差优于各类传统方法,该方法可以应用于液压状态监测系统传感器故障诊断中,结果优异。
目的:研究老年白内障术后角膜内皮细胞严重丢失情况.方法:随机选取本院老年白内障患者80例,治疗时间为2018年1月～2018年12月.采用回顾性分析方式,分析患者手术前后角膜内皮细
目的:对急性心肌梗死患者使用优质护理,观察该种方式的应用效果.方法:对2019年1月-2021年6月间在我院收治的98例急性心肌梗死患者,各随机抽取49例,分设到对照及研究两组,对照
针对神经网络模型进行类增量学习时产生的灾难性遗忘问题,提出一种基于VAE的伪样本重排练实现的类增量学习方法。采用VAE生成伪样本的方法,实现重排练,生成与真实图像相似的伪图像;引入大边界Softmax损失训练分类器,使分类器学习到类间距离更大、类内距离更小的特征;采用一种基于类均值特征的伪样本选择策略,基于分类器训练样本的类均值特征,使筛选出来的伪样本更具代表性。在MNIST、FASHION数据集
针对基于Spark的类别数据互信息的并行计算在数据倾斜情况下会造成某一个或几个reducer负载过重降低集群性能的现状,重新定义数据倾斜模型来量化由Spark创建的分区之间的数据倾斜度,提出数据虚拟划分算法DVP。通过将同一个键添加随机前缀更改为几个不同的键,减少单个任务处理过量数据的情况;在一个24节点的Spark集群中实现DVP算法,通过与Spark传统的哈希算法DEFH比较,实验验证了DVP算法减轻了Spark Shuffle过程中的数据倾斜,减少了在负载均衡方面的耗时。
目的:探讨优质护理干预实施在急诊创伤患者抢救中的应用效果.方法:选取我院2019年10月-2020年10月收治的急诊创伤患者共160例进行本次研究,将其按照随机分组,分为对照组和观
针对现有壁画图像中分辨率低、图像细节粗糙导致壁画图像艺术价值降低等问题,提出一种增强艺术性壁画图像的超分辨率重建算法优化壁画图像。以生成对抗网络为框架,使用生成网络输出重建的高分辨率图像,在判别网络中提取壁画图像的特征,用于判断生成网络的输出是否为真实高分辨率壁画图像。采用迁移学习思想、去除批标准化、将网络模型分阶段构建的方法实现更好的壁画图像优化。与现有几种图像超分辨率算法对比,在客观实验指标上