• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Speech Communication Association >Subspace Based Speech Enhancement Using Gaussian Mixture Model
【24h】

Subspace Based Speech Enhancement Using Gaussian Mixture Model

机译：基于子空间的语音增强利用高斯混合模型

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

摘要

Traditional subspace based speech enhancement (SSE) methods use linear minimum mean square error (LMMSE) estimation that is optimal if the Karhunen Loeve transform (KLT) coefficients of speech and noise are Gaussian distributed. In this paper, we investigate the use of Gaussian mixture (GM) density for modeling the non-Gaussian statistics of the clean speech KLT coefficients. Using Gaussian mixture model (GMM), the optimum minimum mean square error (MMSE) estimator is found to be nonlinear and the traditional LMMSE estimator is shown to be a special case. Experimental results show that the proposed method provides better enhancement performance than the traditional subspace based methods.
机译：基于传统的子空间的语音增强（SSE）方法使用线性最小均方误差（LMMSE）估计，如果Karhunen Loeve变换（KLT）的语音和噪声系数是高斯分布的。在本文中，我们研究了高斯混合物（GM）密度对清洁语音KLT系数的非高斯统计模拟的使用。使用高斯混合模型（GMM），发现最佳的最小均方误差（MMSE）估计器是非线性的，并且传统的LMMSE估计器被示出为一个特殊情况。实验结果表明，该方法提供比传统基于子空间的方法更好的增强性能。

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