...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied Acoustics >A novel regularization framework for transient noise reduction
【24h】

A novel regularization framework for transient noise reduction

机译：一种用于减少瞬态噪声的新颖正则化框架

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we propose a novel method for estimating clean speech from a single channel transient noise corrupted speech. In the proposed method we assume that speech spectrogram is both sparse and has temporal continuity property, and transient noise spectrogram is both sparse and has spectral continuity property. Based on these assumptions, we define a novel regularization model with sparsity and continuity imposing regularization terms for transient noise reduction. Then we solve the proposed model via alternating direction method of multipliers (ADMM) and derive an efficient iterative algorithm. Based on the assumption that transient noise spectrogram is low rank, we construct a binary mask that specifies locations of the transients and apply it in the proposed algorithm to achieve better separation results. Our method straightforwardly estimates speech and is free of noise power spectral density (PSD) estimation and does not need any pre-trained models of speech or noise. Experiments with various types of transient noises demonstrate effectiveness of the proposed method. (C) 2017 Elsevier Ltd. All rights reserved.
机译：在本文中，我们提出了一种从单通道瞬态噪声破坏语音估计干净语音的新方法。在该方法中，我们假设语音频谱图既稀疏又具有时间连续性，而瞬态噪声频谱图既稀疏又具有频谱连续性。基于这些假设，我们定义了一个具有稀疏性和连续性的新颖正则化模型，该模型针对瞬态噪声降低强加了正则化项。然后，我们通过乘数的交替方向方法（ADMM）来求解所提出的模型，并推导了一种有效的迭代算法。基于瞬态噪声频谱图是低秩的假设，我们构造了一个指定瞬变位置的二进制掩码，并将其应用于所提出的算法中，以获得更好的分离结果。我们的方法可以直接估计语音，并且没有噪声功率谱密度（PSD）估计，并且不需要任何预先训练的语音或噪声模型。用各种类型的瞬态噪声进行的实验证明了该方法的有效性。 （C）2017 Elsevier Ltd.保留所有权利。

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