您的位置： 专家智库 > >

张立伟

作品数：7 被引量：19H指数：2
供职机构：解放军理工大学更多>>
发文基金：江苏省自然科学基金国家自然科学基金更多>>
相关领域：电子电信更多>>

合作作者

文献类型

  • 6篇中文期刊文章

领域

  • 6篇电子电信

主题

  • 6篇语音
  • 6篇语音增强
  • 5篇语音增强算法
  • 3篇矩阵
  • 3篇矩阵分解
  • 3篇非负矩阵
  • 3篇非负矩阵分解
  • 2篇字典学习
  • 2篇贝叶斯
  • 1篇单通
  • 1篇单通道
  • 1篇优化算法
  • 1篇自学习
  • 1篇无监督学习
  • 1篇卷积
  • 1篇混合模型
  • 1篇改进贝叶斯
  • 1篇高斯
  • 1篇高斯混合
  • 1篇高斯混合模型

机构

  • 6篇解放军理工大...
  • 2篇中国人民解放...

作者

  • 6篇张立伟
  • 4篇张雄伟
  • 4篇闵刚
  • 3篇李轶南
  • 3篇贾冲
  • 3篇胡永刚
  • 2篇曾理
  • 2篇邹霞
  • 1篇杨吉斌
  • 1篇吴海佳
  • 1篇郑云飞

传媒

  • 2篇数据采集与处...
  • 2篇解放军理工大...
  • 1篇计算机应用
  • 1篇计算机工程与...

年份

  • 1篇2016
  • 2篇2015
  • 3篇2014
共 7 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
贝叶斯非负矩阵分解语音增强的优化算法被引量：2
2015年
为改进传统贝叶斯非负矩阵分解(BNMF)语音增强算法的性能,提出基于高斯混合模型的贝叶斯非负矩阵分解语音增强算法。该算法分为训练和增强两个阶段,训练阶段,对纯净语音与噪声分别进行训练,得到纯净语音字典、噪声字典与联合字典;增强阶段,采用最小均方误差法(MMSE)从带噪语音中重构原始干净的语音,达到语音增强的目的。实验表明,该算法在提高语音质量和抑制背景噪声等方面,均优于非负矩阵语音分解(NMF)算法与BNMF算法。
胡永刚张雄伟邹霞张立伟郑云飞
关键词：语音增强高斯混合模型
字典学习和稀疏表示的无监督语音增强算法被引量：1
2014年
针对非结构噪声难以去除的问题,基于字典训练和稀疏表示提出一种无监督语音增强算法。该算法通过构造过完备字典并使用带噪语音样本对其进行训练来实现。首先指出K-奇异值分解算法(K-SVD)存在的不足并提出一种新的改进的字典训练算法:K-双边随机投影算法(K-BRP);然后使用K-BRP算法不断更新字典矩阵和相应的增益系数矩阵,从被非结构化噪声所污染的带噪语音中提取出结构性强的纯净语音。大量实验结果表明,由于训练样本考虑到了语音信号的时频域局部结构特征,所提算法能够很好地消除随机噪声,并且在低信噪比情况下仍然能够保持较高的语音质量和可懂度。
李轶南贾冲张立伟闵刚曾理
关键词：语音增强
改进贝叶斯非负矩阵分解的语音增强算法被引量：2
2015年
为了进一步提高增强语音的质量,基于传统的贝叶斯非负矩阵分解语音增强算法,考虑语音帧内原子间的相关性,提出了一种新的改进贝叶斯非负矩阵分解语音增强算法。该算法可分为训练和增强2个阶段:训练阶段利用该算法分别对纯净语音和噪声进行训练,得到纯净语音和噪声字典;增强阶段利用训练得到的纯净语音和噪声字典组成的联合字典结合,计算带噪语音时变增益,并利用最小均方误差估计得到增强语音频谱,进而重构增强语音。实验结果表明,该算法的对数频谱距离值和主观语音质量评估打分均优于非负矩阵分解(NMF)和贝叶斯非负矩阵分解(BNMF)等传统的语音增强算法,特别是在低信噪比条件下,该算法增强的效果更佳。
张立伟张雄伟胡永刚闵刚李轶南
关键词：语音增强
稀疏卷积非负矩阵分解的语音增强算法被引量：13
2014年
鉴于卷积非负矩阵分解在语音增强算法中的成功应用,进一步考虑语音信号在时频域的稀疏性,提出了稀疏卷积非负矩阵分解(Sparse convolutive nonnegative matrix factorization,SCNMF)的语音增强算法。该算法包括训练和增强两个阶段。训练阶段通过SCNMF算法分别对纯净语音和噪声的频谱进行训练,得到纯净语音和噪声字典,并将其作为增强阶段的先验信息。增强阶段首先通过SCNMF算法对带噪语音的频谱进行分解,然后利用纯净语音和噪声联合字典以及相应的迭代公式对语音编码矩阵进行估计,重构增强语音。通过实验仿真分析了稀疏因子对增强语音质量的影响。实验结果表明,在非平稳噪声和低信噪比条件下,本文算法增强效果均优于多带谱减、非负矩阵分解和卷积非负矩阵分解等传统的算法。
张立伟贾冲张雄伟闵刚曾理
关键词：语音增强非负矩阵
稀疏低秩模型下的单通道自学习语音增强算法被引量：3
2014年
针对现有基于字典学习的增强算法依赖先验信息的问题,基于矩阵的稀疏低秩分解提出一种无监督的单通道语音增强算法。该算法首先通过稀疏低秩分解将带噪语音的幅度谱分解为低秩、稀疏和噪声3部分,然后通过对低秩部分进行自学习构建出噪声字典,最后利用所得噪声字典和乘性迭代准则于低秩和稀疏部分中分离出纯净语音。相较于其他基于字典学习的语音增强算法,本文所提算法无需语音或噪声的先验信息,因而更加方便和实用。实验结果显示,本文算法能够在保留语音谐波结构的同时有效抑制噪声,增强效果明显优于鲁棒主成分分析和多带谱减法。
李轶南贾冲杨吉斌吴海佳张立伟
关键词：语音增强无监督学习字典学习
ADMM稀疏非负矩阵分解语音增强算法被引量：2
2016年
提出一种基于交替方向乘子法的(Alternating Direction Method of Multipliers,ADMM)稀疏非负矩阵分解语音增强算法,该算法既能克服经典非负矩阵分解(Nonnegative Matrix Factorization,NMF)语音增强算法存在收敛速度慢、易陷入局部最优等问题,也能发挥ADMM分解矩阵具有的强稀疏性。算法分为训练和增强两个阶段:训练时,采用基于ADMM非负矩阵分解算法对噪声频谱进行训练,提取噪声字典,保存其作为增强阶段的先验信息;增强时,通过稀疏非负矩阵分解算法,从带噪语音频谱中对语音字典和语音编码进行估计,重构原始干净的语音,实现语音增强。实验表明,该算法速度更快,增强后语音的失真更小,尤其在瞬时噪声环境下效果显著。
胡永刚张雄伟邹霞闵刚张立伟王健
关键词：语音增强
全选 清除 导出
共1页<1>
聚类工具0