جداسازی سیگنال کور صوتی بر پایه استفاده از روش کومولانت

Authors

  • سحر پویا گروه مهندسی برق، دانشگاه آزاد اسلامی، واحد بوشهر، بوشهر، ایران،
Abstract:

از جمله روشهای مطرح برای جداسازی چند سیگنال گفتار، که در گیرنده‌ها با یکدیگر ترکیب شده‌اند، استفاده از روش‌های جداسازی کور منابع (BSS) است. جداسازی کور منابع عبارت است از جداسازی و تخمین سیگنال‌هایی که توسط منابع در یک کانال نامعلوم تولید شده و ترکیبات آنها در گیرنده‌ها دریافت شده است. الگوریتم‌های موجود برای جداسازی کور منبع اغلب بر اساس تجزیه‌ی ویژه‌ی ماتریس‌های کومولانت مرتبه‌ی چهارم است. با این وجود وقتی ماتریس‌های کومولانت مقادیر ویژه‌ی نزدیک به هم دارند، بردارهای ویژه‌ی آن‌ها نسبت به خطا در تخمین ماتریس‌ها بسیار حساس می‌شوند. در این مقاله سعی شده با به کارگیری الگوریتم جدیدی میزان این حساسیت را کاهش داده و به تخمین دقیق‌تری دست یابیم.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

جداسازی کور سیگنال های گفتار فارسی در محیط کانولوتیو با استفاده از زاویه هرمیشن

در این مقاله برای جداسازی کور منابع گفتار کانولوتیو، یک روش ماسک زمان- فرکانس بر اساس مفهوم زاویه هرمیشن ارائه شده است. زاویه هرمیشن بین بردار ترکیب (خروجی میکروفون ها) و بردار مرجع محاسبه می شود. در این مقاله ابتدا دو بردار مرجع مختلف برای محاسبه دو زاویه هرمیشن متفاوت فرض شده، سپس این زوایا با استفاده از روش های k-means و fuzzy-cmeans خوشه بندی می شود. مسئله جایگشت منابع، بر اساس خوشه بندیk-m...

full text

استفاده از روش های جداسازی کور منابع در مکانیابی چند منبع صوتی

تخمین مقادیر tdoa (time differential of arrival) یکی از روش های پایه ای در مکان یابی منابع گفتار می باشد که به طور وسیع مورد بررسی قرار گرفته است. در دهه ی اخیر تحقیقات زیادی بر روی تخمین مقادیر tdoa با استفاده از فیلترهای بازترکیب مستخرج از جداسازی کور منابع، صورت گرفته است. در این پژوهش ضمن معرفی چندین روش از روش های مطرح شده در سال های اخیر، به بررسی و پیاده سازی روش sct (state coherence tra...

15 صفحه اول

معرّفی الگوریتم جدید DESICA برای جداسازی کور سیگنال منابع گفتار در حالت پویا

Abstract: We consider a new scenario in blind speech separation problem in which the number and the features of active sources change with time in opposite to the previous methods in which all sources are active all the time. Accordingly, we propose the new DESICA algorithm for source separation which is a compound of the ICA and DESPRIT algorithms. In this algorithm, using the ICA, the separat...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 7  issue 23

pages  1- 9

publication date 2017-04-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023