期刊文献+

基于EFICA的混合语音盲分离时域算法 被引量:1

下载PDF
导出
摘要 卷积混合语音进行盲源分离时,不能直接应用独立分量分析(ICA)算法。文中采用一种新的卷积混合语音模型,对多通道混合语音使用近来提出时域EFICA的算法进行盲分离,然后利用聚类和重构算法来恢复源信号。通过真实语音实验表明,文中提出的算法能够有效的分离混合语音信号。
出处 《声学与电子工程》 2009年第2期24-27,共4页 Acoustics and Electronics Engineering
  • 相关文献

参考文献9

  • 1Hyvarinen A , Karhunen J, Oja E. Independent Component Analysis[M]. NewYork: JohnWiley sons Inc, 2001:391-406.
  • 2Bucher H, Aichner R, Kellermann W. A Generalization of Blind Source Separation Algorithms for Convolutive Mixtures Based on Second-order Statistics[J]. IEEE Trans. on speech and Audio Processing, 2005,13(1): 120-134.
  • 3AapoHyvarinen.独立分量分析[M].周宗潭,译.北京:电子工业出版社,2007:313-315.
  • 4Spath H. Cluster Analysis Algorithms for Data Recduction and Classification of Objects[M]. Chichester: Ellis Horwood, 1980.
  • 5Z Koldovsky. P Tichavsky, oja E. Efficient Variant of Algorithm FastICA for Independent Component AnalysisAttaining the Cramer-Rao Lower Bound[J]. IEEE Neural Networks, 2006, 17: 1265-1277.
  • 6Z Koldovsky , P Tichavsky . Time-Domain Blind Audio Source Separation Using Advanced ICA Methods[C]. Inter speech 2007 : The 8th Annual conference of the International Speech Commuication Assocation, Anewerp, Belgium, 2007 846-849.
  • 7Vincent E , Gribonval R, Fevotte C. Performance Measurement in Blind Audio Source separation[J]. IEEE Trans. On speech and Audio separation,2006, 14(4): 1462-1469.
  • 8parra L, Spence C. Convolutive Blind Separation of Non-Stationary source[J].IEEE Trans.on speech and audio processing, 2000, 8(3):320-327.
  • 9Hiroshi Sawada's pages [online] , http://www.kecl.ntt. co.jp/icl/signal/sawadaJdemo/bss2to4/Index.html.

同被引文献2

引证文献1

二级引证文献5

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