• 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 >INCREMENTAL BAYES LEARNING WITH PRIOR EVOLUTION FOR TRACKING NONSTATIONARY NOISE STATISTICS FROM NOISY SPEECH DATA
【24h】

INCREMENTAL BAYES LEARNING WITH PRIOR EVOLUTION FOR TRACKING NONSTATIONARY NOISE STATISTICS FROM NOISY SPEECH DATA

机译：从嘈杂的语音数据跟踪非视野噪声统计的前进进化的增量贝叶斯

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 new approach to sequential estimation of the time-varying prior parameters of nonstationary noise is presented using the log-spectral or cepstral data of the corrupted noisy speech. Incremental Bayes learning is developed to provide a basis for noise prior evolution, recursively updating the noise prior statistics (mean and variance) using the approximate Gaussian posterior computed at the preceding time step. The algorithm for noise prior evolution is derived in detail, and is evaluated using the Aurora2 database with the root-mean-square (RMS) error measure. Experimental results show that when the time-varying variance and mean of the nonstationary noise prior are estimated and exploited, superior performance is achieved compared with using either no noise prior information or using the time-invariant, fixed mean and variance in the noise prior distribution.
机译：在本文中，使用损坏的噪声语音的日志谱或倒谱数据，呈现了一种新的估计非间抗噪声的时间变化现有参数的新方法。开发了增量贝叶斯学习，为噪声前进的噪声提供基础，使用前一次步骤中计算的近似高斯后验证更新噪声以前统计（均值和方差）。详细派生了噪声先前演进算法，并使用具有根均方（RMS）错误测量的Aurora2数据库进行评估。实验结果表明，当估计和利用非间抗噪声的时变差异和平均值时，与使用噪声先前信息或使用噪声先前分配中的时间不变，固定的平均值和方差相比，实现了卓越的性能。

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