• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Acoustics, Speech and Signal Processing >Autoregressive Parameter Estimation with Dnn-Based Pre-Processing
【24h】

Autoregressive Parameter Estimation with Dnn-Based Pre-Processing

机译：基于DNN的预处理自回归参数估计

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, a method for estimating the autoregressive parameters from a signal segment is proposed. The method is based on a deep neural network (DNN) in combination with the classical Levinson-Durbin recursion (LDR). The DNN acts as a pre-processor for the LDR and can be trained on different metrics commonly encountered in speech processing using a generalized analysis-by-synthesis (GABS) structure where the LDR acts as the encoder. Unlike end-to-end data-driven approaches, this structure ensures that the DNN is easy to train and initialize since the DNN only has to learn a simple mapping. The results confirm this and show that the proposed method produces an AR-spectrum that efficiently represents the speech spectrum in terms of the Itakura-Saito divergence, Kullback-Leibler divergence, log-spectral distortion, and speech distortion.
机译：本文提出了一种用于估计来自信号段的自回归参数的方法。 该方法基于深度神经网络（DNN）与经典的Levinson-Durbin递归（LDR）组合。 DNN作为LDR的预处理器，可以在使用广义分析（GAB）结构中的语音处理中通常遇到的不同度量培训，其中LDR充当编码器。 与端到端的数据驱动方法不同，这种结构可确保DNN易于培训和初始化，因为DNN仅必须学习简单的映射。 结果证实了并表明所提出的方法产生AR频谱，其有效地代表了Itakura-Saito发散，Kullback-Leibler发散，逻辑光谱失真和语音失真方面的语音频谱。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号