版权所有：内蒙古大学图书馆 技术提供：维普资讯• 智图
内蒙古自治区呼和浩特市赛罕区大学西街235号 邮编: 010021
联合长短时记忆递归神经网络和非负矩阵分解的语音混响消除方法
A Research to Speech Dereverberation Method Based on BLSTM Recurrent Neural Networks and Non-negative Matrix Factorization作者机构：中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院脑科学与智能技术卓越创新中心北京100190 中国科学院大学计算机与控制学院北京100190
出 版 物：《信号处理》 (Journal of Signal Processing)
年 卷 期：2017年第33卷第3期
页 面：268-272页
核心收录：
学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
基 金：中国国家高技术研究发展计划(863计划)(2015AA016305) 国家自然科学基金(61425017 61403386 61305003 61233009 61273288) 国家社会科学基金重大项目(13&ZD189) 中国科学院先导专项(Grant XDB02080006)
主 题：单通道混响消除 长短时记忆递归神经网络 非负矩阵分解 深度学习
摘 要：本文提出了一种联合长短时记忆递归神经网络和非负矩阵分解方法对单通道语音进行混响消除;对语音信号的对数功率谱建模抑制混响干扰。首先通过长短时记忆递归神经网络估计对数功率谱,这种模型结构能捕获整个音频序列的信息重构纯净语音的对数功率谱,然后通过非负矩阵分解方法对重构的对数功率谱进行后处理抑制过平滑问题;实验结果表明所提方法可以有效抑制语音信号中的混响干扰,本文方法的各种性能指标优于基线方法。
