您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于EMD和ICA的单通道语音盲源分离算法

  2. 针对单通道语音信号盲分离的问题,结合盲源分离和经验模式分解的优点,提出了一种基于经验模式分解的单通道语音信号源数估计和盲源分离方法"对语音混合信号进行经验模式分解,利用贝叶斯算法估计语音源数目,根据源信号数目重组多通道语音混合信号,并采用独立分量分析实现语音信号的盲分离"仿真实验表明,使用此法能有效地估计通道语音信号源数和分离盲源.
  3. 所属分类:其它

    • 发布日期:2014-09-04
    • 文件大小:270336
    • 提供者:wxb125310366
  1. 基于CASA和谱减法的清音分离改进算法

  2. 现有的基于计算听觉场景分析(CASA)的单通道语音盲信号分离算法大多集中在对浊音分离的研究,对清音分离的研究甚少。针对清音分离的问题,对传统的基于CASA和谱减法的清音分离算法进行改进,改进算法通过估计语音onset/offset判别出可能存在清音的时频块,并利用相邻时频单元能量具有连续性的原理,对相应的时频块中每一时频单元分别进行噪声能量估计,使噪声能量估计更加精准。仿真实验结果表明,改进算法比传统算法运算量更小,对清音分离的有效性更高。
  3. 所属分类:其它

    • 发布日期:2020-10-17
    • 文件大小:372736
    • 提供者:weixin_38691641
  1. 基于改进基音跟踪算法的单通道语音分离

  2. 基于改进基音跟踪算法的单通道语音分离
  3. 所属分类:其它

    • 发布日期:2021-03-03
    • 文件大小:893952
    • 提供者:weixin_38636655
  1. 基于长短帧相关谐波模型的单通道语音分离

  2. 谐波模型广泛用于单声道音频源分离。 已经证明在音乐源分离问题中有效,在音乐源分离问题中,各个源之间的谐波峰值彼此之间有很大差异。 但是,在分析语音信号时,短时间窗口始终会在频域中引入谐波重叠。 为了克服该缺点,我们提出了长短帧相关谐波(LSAH)模型,以从单通道录音中分离出两个语音源。长帧可以实现高谐波分辨率,而短帧可以确保语音信号的短时间稳定特性。 它们共同用于提高多螺距估计的准确性。 采用自相关方法可以简便,准确地估计突出音高。 提出了LSAH模型和突出音高来判断混合气的状态,并估计其他音高
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:513024
    • 提供者:weixin_38740144
  1. 一种新的基于稀疏分解的单通道混合语音分离方法

  2. 一种新的基于稀疏分解的单通道混合语音分离方法
  3. 所属分类:其它

    • 发布日期:2021-02-21
    • 文件大小:2097152
    • 提供者:weixin_38743506
  1. 基于基频状态和帧间相关性的单通道语音分离算法

  2. 基于基频状态和帧间相关性的单通道语音分离算法
  3. 所属分类:其它

    • 发布日期:2021-02-11
    • 文件大小:412672
    • 提供者:weixin_38691319
  1. 基于快速EEMD单通道混合信号分离算法的研究

  2. 单通道盲源分离是一种特殊的欠定盲源分离情况,常规的盲源分离算法不再适用。本文针对此问题提出通过快速经验模态分解(EEMD)将由多路信号混合成的单通道信号分解为多路本征模态函数,采用主成分分析估计源信号的个数,利用快速独立成分分析恢复出相互独立的多路源信号。并对单通道语音混合信号进行了仿真,与经验模态分解和小波变换算法进行了比较,速度快且分离效果较好,仿真结果验证了算法的有效性。
  3. 所属分类:其它

    • 发布日期:2021-01-28
    • 文件大小:830464
    • 提供者:weixin_38721252
  1. 用于单通道语音分离的基于音高状态的词典设计方法

  2. 用于单通道语音分离的基于音高状态的词典设计方法
  3. 所属分类:其它

    • 发布日期:2021-03-28
    • 文件大小:1048576
    • 提供者:weixin_38582716
  1. awesome-speech-enhancement:语音增强\语音分离\声源定位-源码

  2. 很棒的语音增强 语音前端列表,例如语音增强\语音分离\声源定位 语音分离 Tasnet:时域音频分离网络,用于实时单通道语音分离 Conv-TasNet:用于语音分离的超越理想的时频屏蔽 双路径RNN:用于时域单通道语音分离的高效长序列建模 DANet:用于单通道语音分离的深层吸引网络(DANet) TAC端到端麦克风排列和数目不变的多通道语音分离 uPIT进行语音分离:使用发声级PIT进行语音分离 LSTM_PIT_Speech_Separation 深度集群 小行星:
  3. 所属分类:其它

    • 发布日期:2021-03-20
    • 文件大小:4096
    • 提供者:weixin_42126865