期刊文献+

小波消噪和ICA在语音信号分离中的应用 被引量:3

Application of wavelet denoising and ICA in separating speech signals
下载PDF
导出
摘要 为了消除语音信号分离中仍存在的部分混叠声音,提出一种基于小波消噪和独立分量分析(ICA)结合的信号分离方法。该方法将小波变换和独立分量分析结合,利用小波变换的去噪作用,滤除原始语音信号中的噪声后作为ICA的输入信号,采用FastICA算法在小波域进行独立分量分析,对输入信号实施分离。实验结果表明,该方法大大调高了传统独立分量分析对语音信号的分离效果。 A separation method is presented to remove the existence of part supposed speech based on wavelet transform and Independent Component Analysis(ICA).Wavelet transform can remove the process noise in the original,from which the de-noise signals come out and it can be used as the input of ICA.FastICA is used to separate the input signals in wavelet domain to gain the low noise independent speech signal.The experiment results show that the proposed method improves the separation effects of the conventional method.
出处 《计算机工程与应用》 CSCD 2012年第3期120-121,188,共3页 Computer Engineering and Applications
关键词 独立分量分析 小波消噪 语音分离 Independent Component Analysis(ICA) wavelet de-noising speech signal separation
  • 相关文献

参考文献3

  • 1杨福生,洪波著..独立分量分析的原理与应用[M].北京:清华大学出版社,2006:205.
  • 2成礼智等编著..小波的理论与应用[M].北京:科学出版社,2004:420.
  • 3Liu Qingshan Lu Hanqing Ma Songde (Nat. Lab of Pattern Recognition, Inst. of Automation, Chinese Academy of Sciences, Beijing 100080).A NON-PARAMETER BAYESIAN CLASSIFIER FOR FACE RECOGNITION[J].Journal of Electronics(China),2003,20(5):362-370. 被引量:9

共引文献8

同被引文献45

引证文献3

二级引证文献40

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部