Tách nguồn âm thanh sử dụng mô hình NMF - Luận án tiến sĩ Duong Thi Hien Thanh
Tách nguồn âm thanh sử dụng mô hình phổ nguồn tổng quát trên cơ sở thừa số hóa ma trận không âm. Đề xuất phương pháp mới hiệu quả trong xử lý tín hiệu âm thanh.
Năm xuất bản
Số trang
129
Thời gian đọc
20 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
40 Point
Tổng quan nhanh
- Chủ đề:
- Tách nguồn âm thanh hiệu quả: Sử dụng mô hình NMF tiên tiến.
- Số trang:
- 129 trang
- Trường:
- Đại học Bách khoa Hà Nội
- Chuyên ngành:
- Computer Science
- Tác giả:
- Duong Thi Hien Thanh
- Năm:
- 2019
Tóm tắt nội dung luận án
I.
Tài liệu này tập trung vào kỹ thuật tách nguồn âm thanh. Đây là một lĩnh vực quan trọng trong xử lý tín hiệu số. Mục tiêu chính là phân tách các tín hiệu âm thanh hỗn hợp thành các thành phần nguồn riêng biệt. Phương pháp tiếp cận dựa trên Mô hình Phân tích Ma trận Không âm (NMF) được khám phá. NMF là một công cụ mạnh mẽ. Nó đã chứng minh hiệu quả cao trong nhiều ứng dụng khác nhau. Phân tách âm thanh là một thách thức. Sự chồng chéo của các nguồn và nhiễu nền gây khó khăn. Việc áp dụng NMF cung cấp một giải pháp hiệu quả. Nó giúp cải thiện chất lượng âm thanh đầu ra. Các thành phần âm thanh được tách rõ ràng hơn. Từ đó, nhiều ứng dụng thực tế được hỗ trợ.
1.1. Tầm quan trọng của phân tách âm thanh.
Tách nguồn âm thanh là một nhiệm vụ thiết yếu trong xử lý tín hiệu. Nó liên quan đến việc phân chia một hỗn hợp âm thanh thành các thành phần nguồn riêng lẻ. Các ứng dụng của công nghệ này rất rộng lớn. Hệ thống nhận dạng giọng nói được cải thiện. Khử nhiễu trong điện thoại và hội nghị trực tuyến là khả thi. Tách nhạc cụ hoặc giọng hát từ các bản nhạc là một ứng dụng phổ biến. Phân tích nội dung âm thanh cũng hưởng lợi. Thách thức chính là sự phức tạp của tín hiệu âm thanh. Các nguồn chồng chéo, tiếng ồn nền đều gây khó khăn. Mục tiêu là phát triển các phương pháp mạnh mẽ. Các phương pháp này phải hoạt động tốt trong nhiều môi trường khác nhau.
1.2. Giới thiệu mô hình NMF cho âm thanh.
NMF, hay Non-negative Matrix Factorization, là một kỹ thuật toán học mạnh mẽ. Nó được sử dụng để phân tách các dữ liệu phức tạp. Trong lĩnh vực âm thanh, NMF đã chứng tỏ hiệu quả cao. Mô hình NMF biểu diễn ma trận phổ của tín hiệu âm thanh hỗn hợp. Ma trận này được phân rã thành hai ma trận con. Một ma trận biểu diễn các phổ cơ bản (basis spectra). Ma trận còn lại biểu diễn các trọng số kích hoạt theo thời gian (temporal activations). Tính không âm là một ràng buộc quan trọng. Ràng buộc này đảm bảo tính vật lý của các thành phần. Nó giúp mô hình giải thích được các phần của âm thanh. Phương pháp này tạo điều kiện thuận lợi cho việc tách nguồn. Nó cung cấp một cách tiếp cận có cấu trúc để phân tích tín hiệu.
II.
NMF cung cấp một khung làm việc linh hoạt cho phân tách âm thanh. Nó dựa trên việc phân tích các đặc trưng phổ của tín hiệu. Các thành phần cơ bản của âm thanh được xác định. Sau đó, chúng được sử dụng để tái tạo lại các nguồn riêng lẻ. Mô hình này giả định rằng tín hiệu hỗn hợp là tổng tuyến tính của các nguồn. Mỗi nguồn có một 'từ điển' phổ riêng. Các từ điển này được học từ dữ liệu. Độ chính xác của việc phân tách phụ thuộc vào khả năng của NMF. Khả năng này là phân biệt giữa các mẫu phổ. Việc tối ưu hóa mô hình NMF là một yếu tố quan trọng. Nó ảnh hưởng trực tiếp đến chất lượng của các nguồn được tách ra.
2.1. Nguyên lý hoạt động của NMF trong âm thanh.
NMF hoạt động trên biểu diễn phổ của tín hiệu âm thanh. Âm thanh được chuyển đổi thành miền tần số. Ma trận phổ thu được chứa các giá trị không âm. Ma trận này V được xấp xỉ bởi tích của hai ma trận không âm khác: W và H. Ma trận W chứa các 'từ điển' phổ của các nguồn âm thanh. Mỗi cột của W là một mẫu phổ đặc trưng. Ma trận H chứa các yếu tố 'kích hoạt' theo thời gian. Mỗi hàng của H cho biết mức độ hiện diện của mẫu phổ tương ứng. Quá trình tối ưu hóa tìm kiếm W và H sao cho V xấp xỉ WH. Thuật toán lặp được sử dụng để giảm thiểu lỗi. Các ràng buộc không âm được duy trì trong suốt quá trình. NMF cho phép phân tách các nguồn âm thanh thành các thành phần có ý nghĩa.
2.2. Các biến thể NMF cải tiến hiệu suất.
NMF tiêu chuẩn có thể được mở rộng. Nhiều biến thể đã được đề xuất để cải thiện hiệu suất. NMF có giám sát (supervised NMF) sử dụng dữ liệu huấn luyện. Dữ liệu này cung cấp các từ điển phổ của các nguồn. NMF bán giám sát kết hợp cả kiến thức trước và học từ dữ liệu. NMF phân cấp (hierarchical NMF) phân tách dữ liệu ở nhiều cấp độ. Các ràng buộc bổ sung cũng được áp dụng. Ví dụ, tính thưa thớt (sparsity) hoặc tính trơn tru (smoothness). Các ràng buộc này giúp tạo ra các thành phần rõ ràng hơn. Chúng ngăn chặn sự trùng lặp và cải thiện tính phân tách. Việc lựa chọn biến thể phụ thuộc vào bản chất của dữ liệu. Nó cũng phụ thuộc vào yêu cầu cụ thể của nhiệm vụ tách nguồn.
III.
Ràng buộc không âm là một khía cạnh cơ bản của NMF. Nó mang lại lợi ích đáng kể trong xử lý tín hiệu âm thanh. Tính không âm đảm bảo các thành phần được trích xuất có ý nghĩa vật lý. Ví dụ, cường độ âm thanh hoặc tần số không thể âm. Điều này giúp mô hình NMF tạo ra các biểu diễn có thể giải thích được. Ma trận không âm giúp phân biệt rõ ràng giữa các nguồn. Nó làm cho quá trình tách nguồn trở nên mạnh mẽ hơn. Việc hiểu rõ vai trò của ma trận không âm là cần thiết. Nó giúp tận dụng tối đa tiềm năng của NMF trong các ứng dụng thực tế. Từ đó, chất lượng của các tín hiệu âm thanh được xử lý được nâng cao.
3.1. Ý nghĩa của ràng buộc không âm.
Ràng buộc không âm là cốt lõi của NMF. Trong xử lý tín hiệu âm thanh, nó có ý nghĩa vật lý rõ ràng. Biểu diễn phổ của âm thanh (ví dụ, cường độ) luôn không âm. Một tần số không thể có cường độ âm thanh âm. Các thành phần nguồn cũng không thể có phổ âm. Ràng buộc này đảm bảo các phần tử của ma trận W và H là không âm. Điều này giúp các thành phần được giải thích một cách tự nhiên. Các từ điển phổ W đại diện cho 'hình dạng' của các nguồn. Các yếu tố kích hoạt H đại diện cho 'sự hiện diện' của nguồn đó. Tính không âm loại bỏ các giải pháp không hợp lý. Nó tăng cường khả năng diễn giải của mô hình. Đây là một lợi thế lớn so với các phương pháp phân tích khác.
3.2. Vai trò trong việc tách và tái tạo âm thanh.
Ma trận không âm đóng vai trò kép. Đầu tiên, chúng giúp tách các nguồn. Sau khi NMF hoàn thành, có được ma trận W và H. Các nguồn riêng lẻ được ước tính. Điều này được thực hiện bằng cách tạo mặt nạ phổ. Mặt nạ này áp dụng cho hỗn hợp ban đầu. Mỗi nguồn được tái tạo từ phổ riêng biệt. Thứ hai, chúng hỗ trợ tái tạo âm thanh chất lượng cao. Các thành phần phổ không âm được sử dụng để xây dựng lại tín hiệu. Quá trình này đảm bảo tính nhất quán với tín hiệu gốc. Đồng thời, nó loại bỏ các thành phần không mong muốn. Khử nhiễu âm thanh được thực hiện hiệu quả. Tăng cường lời nói cũng đạt được kết quả tốt.
IV.
Các thuật toán tách nguồn dựa trên NMF mang lại nhiều lợi ích. Chúng không chỉ tách các thành phần âm thanh. Chúng còn góp phần cải thiện chất lượng tổng thể của tín hiệu. Đặc biệt, khả năng khử nhiễu của NMF rất đáng chú ý. Nó giúp loại bỏ các âm thanh không mong muốn khỏi bản ghi. Điều này dẫn đến sự rõ ràng và dễ hiểu hơn. Ngoài ra, NMF còn được sử dụng để tăng cường lời nói. Tín hiệu lời nói được làm nổi bật trong môi trường ồn ào. Điều này rất quan trọng cho các ứng dụng như trợ lý giọng nói. Các phương pháp này liên tục được nghiên cứu và phát triển. Mục tiêu là đạt được hiệu suất tối ưu trong mọi điều kiện.
4.1. Khử nhiễu âm thanh bằng NMF hiệu quả.
Khử nhiễu âm thanh là một ứng dụng quan trọng. NMF được sử dụng để phân tách tiếng ồn khỏi tín hiệu mong muốn. Tiếng ồn được coi là một nguồn riêng biệt. Mô hình NMF học các đặc trưng phổ của tiếng ồn và tín hiệu. Ma trận W sẽ có các cột đại diện cho phổ tiếng ồn. Các cột khác đại diện cho phổ của lời nói. Ma trận H sẽ cho biết khi nào tiếng ồn và lời nói xuất hiện. Sau khi phân tách, thành phần tiếng ồn được loại bỏ. Tín hiệu lời nói được tái tạo với chất lượng cao hơn. Phương pháp này giảm thiểu sự can thiệp của tiếng ồn. Nó tăng cường độ rõ ràng của tín hiệu âm thanh.
4.2. Nâng cao chất lượng lời nói và tín hiệu âm nhạc.
NMF không chỉ khử nhiễu. Nó còn tăng cường lời nói trong môi trường ồn ào. Các hệ thống nhận dạng giọng nói hưởng lợi từ điều này. Khả năng hiểu của máy được cải thiện. Trong âm nhạc, NMF giúp tách giọng hát và nhạc cụ. Điều này cho phép phân tích hoặc chỉnh sửa riêng biệt. Các nhà sản xuất âm nhạc có thể điều chỉnh từng thành phần. Các nhà nghiên cứu có thể phân tích cấu trúc âm nhạc. Chất lượng của các thành phần tách ra là cao. Độ chính xác của việc phân tách đã được chứng minh. NMF là một công cụ đa năng.
V.
Khả năng của NMF trong việc tách nguồn âm thanh đã mở ra nhiều ứng dụng thực tế. Đặc biệt, trong lĩnh vực âm nhạc, NMF cho phép phân tách giọng hát và nhạc cụ. Điều này trước đây là một nhiệm vụ rất khó khăn. Giờ đây, các nhà sản xuất, DJ và người yêu âm nhạc có thể dễ dàng truy cập vào các thành phần riêng lẻ. Ngoài âm nhạc, NMF còn được áp dụng trong nhiều lĩnh vực khác. Ví dụ, trong hệ thống giám sát âm thanh hoặc an ninh. Khả năng phân tách và xác định các nguồn âm thanh khác nhau là vô giá. NMF tiếp tục là một lĩnh vực nghiên cứu năng động. Tiềm năng ứng dụng của nó vẫn đang được khám phá.
5.1. Tách giọng hát từ bản nhạc phức tạp.
Tách giọng hát là một trong những ứng dụng phổ biến nhất. Một bản nhạc thường chứa giọng hát, nhạc cụ và trống. NMF có thể phân tách các thành phần này. Mô hình học các mẫu phổ đặc trưng cho giọng hát. Nó cũng học các mẫu cho từng nhạc cụ. Khi áp dụng NMF, ma trận phổ được phân rã. Các thành phần giọng hát được xác định. Sau đó, giọng hát có thể được trích xuất riêng. Hoặc giọng hát có thể được loại bỏ hoàn toàn. Điều này hữu ích cho karaoke. Nó cũng giúp cho việc remix hoặc phân tích âm nhạc.
5.2. Phân tách nhạc cụ và các nguồn âm thanh khác.
Ngoài giọng hát, NMF có khả năng phân tách nhạc cụ. Guitar, piano, trống, bass đều có thể được tách riêng. Điều này đặc biệt hữu ích cho việc học nhạc. Hoặc cho việc tạo ra các bản phối mới. NMF có thể được áp dụng cho nhiều loại nguồn âm thanh khác. Ví dụ, tách tiếng nói từ tiếng môi trường. Hoặc tách âm thanh cảnh quan thành các thành phần cụ thể. Khả năng thích ứng của NMF làm cho nó trở thành một công cụ linh hoạt. Công nghệ này tiếp tục được phát triển. Nó hứa hẹn nhiều ứng dụng hơn trong tương lai.
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (129 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộMINISTRY OF EDUCATION AND TRAINING HANOI UNIVERSITY OF SCIENCE AND TECHNOLOGY DUONG THI HIEN THANH AUDIO SOURCE SEPARATION EXPLOITING NMF-BASED GENERIC SOURCE SPECTRAL MODEL DOCTORAL DISSERTATION OF COMPUTER SCIENCE Hanoi - 2019 MINISTRY OF EDUCATION AND TRAINING HANOI UNIVERSITY OF SCIENCE AND TECHNOLOGY DUONG THI HIEN THANH AUDIO SOURCE SEPARATION EXPLOITING NMF-BASED GENERIC SOURCE SPECTRAL MODEL Major: Computer Science Code: 9480101 DOCTORAL DISSERTATION OF COMPUTER SCIENCE SUPERVISORS: 1. NGUYEN QUOC CUONG 2. NGUYEN CONG PHUONG Hanoi - 2019 DECLARATION OF AUTHORSHIP I, Duong Thi Hien Thanh, hereby declare that this thesis is my original work and it has been written by me in its entirety. I confirm that: • This work was done wholly during candidature for a Ph.
research degree at Hanoi University of Science and Technology. • Where any part of this thesis has previously been submitted for a degree or any other qualification at Hanoi University of Science and Technology or any other institution, this has been clearly stated. • Where I have consulted the published work of others, this is always clearly at- tributed. • Where I have quoted from the work of others, the source is always given.
With the exception of such quotations, this thesis is entirely my own work. • I have acknowledged all main sources of help. • Where the thesis is based on work done by myself jointly with others, I have made exactly what was done by others and what I have contributed myself. Hanoi, February 2019 Ph.
Student Duong Thi Hien Thanh SUPERVISORS Assoc. Nguyen Quoc Cuong Dr. Nguyen Cong Phuong i ACKNOWLEDGEMENT This thesis has been written during my doctoral study at International Research Institute Multimedia, Information, Communication, and Applications (MICA), Hanoi University of Science and Technology (HUST). It is my great pleasure to thank numer- ous people who have contributed towards shaping this thesis.
First and foremost I would like to express my most sincere gratitude to my supervi- sors, Assoc. Nguyen Quoc Cuong and Dr. Nguyen Cong Phuong, for their great guidance and support throughout my Ph. I am grateful to them for devoting their precious time to discussing research ideas, proofreading, and explaining how to write good research papers.
I would like to thank them for encouraging my research and empowering me to grow as a research scientist. I could not have imagined having a better advisor and mentor for my Ph. I would like to express my appreciation to my supervisor in Master cource, Prof. Nguyen Thanh Thuy, School of Information and Communication Technology - HUST, and Dr.
Nguyen Vu Quoc Hung, my supervisor in Bachelors course at Hanoi National University of Education. They had shaped my knowledge for excelling in studies. In the process of implementation and completion of my research, I have received many supports from the board of MICA directors and my colleagues at Speech Com- munication department. Particularly, I am very much thankful to Prof.
Pham Thi Ngoc Yen, Prof. Eric Castelli, Dr. Nguyen Viet Son and Dr. Dao Trung Kien, who pro- vided me with an opportunity to join researching works in MICA institute and have access to the laboratory and research facilities.
Without their precious support would it have been being impossible to conduct this research. My warmly thanks go to my colleagues at Speech Communication department of MICA institute for their useful comments on my study and unconditional support over four years both at work and outside of work. I am very grateful to my internship supervisor Prof. Nobutaka Ono and the mem- bers of Ono’s Lab at the National Institute of Informatics, Japan for warmly welcoming me into their lab and the helpful research collaboration they offered.
I much appreciate his help in funding my conference trip and introducing me to the signal processing research communities. I would also like to thank Dr. Toshiya Ohshima, MSc. Yasu- taka Nakajima, MSc.
Chiho Haruta and other researchers at Rion Co., Japan for ii welcoming me to their company and providing me data for experimental. I would also like to sincerely thank Dr. Nguyen Quang Khanh, dean of Information Technology Faculty, and Assoc. Le Thanh Hue, dean of Economic Informatics Department, at Hanoi University of Mining and Geology (HUMG) where I am work- ing.
I have received the financial and time support from my office and leaders for completing my doctoral thesis. Grateful thanks also go to my wonderful colleagues and friends Nguyen Thu Hang, Pham Thi Nguyet, Vu Thi Kim Lien, Vo Thi Thu Trang, Pham Quang Hien, Nguyen The Binh, Nguyen Thuy Duong, Nong Thi Oanh and Nguyen Thi Hai Yen, who have the unconditional support and help during a long time. A special thank goes to Dr. Le Hong Anh for the encouragement and his precious advice.
Last but not the least, I would like to express my deepest gratitude to my family. I am very grateful to my mother-in-law and father-in-law for their support in the time of need, and always allow me to focus on my work. I dedicate this thesis to my mother and father with special love, they have been being a great mentor in my life and had constantly encouraged me to be a better person. The struggle and sacrifice of my parents always motivate me to work hard in my studies.
I would also like to express my love to my younger sisters and younger brother for their encouraging and helping. This work has become more wonderful because of the love and affection that they have provided. A special love goes to my beloved husband Tran Thanh Huan for his patience and understanding, for always being there for me to share the good and bad times. I also appreciate my sons Tran Tuan Quang and Tran Tuan Linh for always cheering me up with their smiles.
Without love from them, this thesis would not have been completed. Thank you all! Hanoi, February 2019 Ph. Student Duong Thi Hien Thanh iii CONTENTS DECLARATION OF AUTHORSHIP. i DECLARATION OF AUTHORSHIP i ACKNOWLEDGEMENT.
iv NOTATIONS AND GLOSSARY. viii LIST OF TABLES. xi LIST OF FIGURES. AUDIO SOURCE SEPARATION: FORMULATION AND STATE OF THE ART 10 1.1 Audio source separation: a solution for cock-tail party problem .1 General framework for source separation .2 State of the art .1 Gaussian Mixture Model .2 Nonnegative Matrix Factorization .3 Deep Neural Networks .1 Interchannel Intensity/Time Difference (IID/ITD) .2 Rank-1 covariance matrix .3 Full-rank spatial covariance model .3 Source separation performance evaluation .1 Energy-based criteria .2 Perceptually-based criteria.
NONNEGATIVE MATRIX FACTORIZATION 24 2.1 NMF in a nutshell .2 Cost function for parameter estimation .3 Multiplicative update rules .2 Application of NMF to audio source separation .1 Audio spectra decomposition .2 NMF-based audio source separation .3 Proposed application of NMF to unusual sound detection .2 Proposed methods for non-stationary frame detection .1 Signal energy based method .2 Global NMF-based method .3 Local NMF-based method .2 Algorithm settings and evaluation metrics .3 Results and discussion. SINGLE-CHANNEL AUDIO SOURCE SEPARATION EXPLOITING NMF-BASED GENERIC SOURCE SPECTRAL MODEL WITH MIXED GROUP SPARSITY CONSTRAINT 44 3.1 General workflow of the proposed approach .3 Model fitting with sparsity-inducing penalties .1 Block sparsity-inducing penalty .2 Component sparsity-inducing penalty .3 Proposed mixed sparsity-inducing penalty .4 Derived algorithm in unsupervised case .5 Derived algorithm in semi-supervised case .1 Semi-GSSM formulation .2 Model fitting with mixed sparsity and algorithm .2 SiSEC-MUS dataset .3 SiSEC-BNG dataset .2 Single-channel source separation performance with unsuper- vised setting .3 Results and discussion .3 Single-channel source separation performance with semi-supervised setting .3 Results and discussion. MULTICHANNEL AUDIO SOURCE SEPARATION EXPLOITING NMF-BASED GSSM IN GAUSSIAN MODELING FRAMEWORK 68 4.1 Formulation and modeling .1 Local Gaussian model .2 NMF-based source variance model .3 Estimation of the model parameters .2 Proposed GSSM-based multichannel approach .2 Proposed source variance fitting criteria .1 Source variance denoising .2 Source variance separation .3 Derivation of MU rule for updating the activation matrix .1 Dataset and parameter settings .1 Algorithm convergence: separation results as func- tions of EM and MU iterations .2 Separation results with different choices of λ and γ 81 4.3 Comparison with the state of the art. 91 CONCLUSIONS AND PERSPECTIVES.
96 LIST OF PUBLICATIONS. 113 vii NOTATIONS AND GLOSSARY Standard mathematical symbols C Set of complex numbers R Set of real numbers Z Set of integers E Expectation of a random variable Nc Complex Gaussian distribution Vectors and matrices a Scalar a Vector A Matrix T A Matrix transpose H A Matrix conjugate transposition (Hermitian conjugation) diag(a) Diagonal matrix with a as its diagonal det(A) Determinant of matrix A tr(A) Matrix trace A B The element-wise Hadamard product of two matrices (of the same dimension) with elements [A B]ij = Aij Bij .(n) A The matrix with entries [A]ij kak1 `1 -norm of vector kAk1 `1 -norm of matrix Indices f Frequency index i Channel index j Source index n Time frame index t Time sample index viii Sizes I Number of channels J Number of sources L STFT filter length F Number of frequency bin N Number of time frames K Number of spectral basis Mixing filters A ∈ RI×J×L Matrix of filters aj (τ ) ∈ RI Mixing filter of j th source to all microphones, τ is the time delay aij (t) ∈ R Filter coefficient at tth time index aij ∈ RL Time domain filter vector aij ∈ CL b Frequency domain filter vector aij (f ) ∈ C b Filter coefficient at f th frequency index General parameters x(t) ∈ RI Time-domain mixture signal s(t) ∈ RJ Time-domain source signals I cj (t) ∈ R Time-domain j th source image sj (t) ∈ R Time-domain j th original source signal x(n, f ) ∈ CI Time-frequency domain mixture signal J s(n, f ) ∈ C Time-frequency domain source signals I cj (n, f ) ∈ C Time-frequency domain j th source image vj (n, f ) ∈ R Time-dependent variances of the j th source Rj (f ) ∈ C Time-independent covariance matrix of the j th source Σj (n, f ) ∈ CI×I Covariance matrix of the j th source image b x (n, f ) ∈ CI×I Σ Empirical mixture covariance b x (n, f ) ∈ CI×I Σ Empirical mixture covariance V ∈ RF+×N Power spectrogram matrix W ∈ RF+×K Spectral basis matrix H ∈ RK×N + Time activation matrix F ×K U ∈ R+ Generic source spectral model ix Abbreviations APS Artifacts-related Perceptual Score BSS Blind Source Separation DoA Direction of Arrival DNN Deep Neural Network EM Expectation Maximization ICA Independent Component Analysis IPS Interference-related Perceptual Score IS Itakura-Saito ISR source Image to Spatial distortion Ratio ISTFT Inverse Short-Time Fourier Transform IID (i.d) Interchannel Intensity Difference ITD (i.d) Interchannel Time Difference GCC-PHAT Generalized Cross Correlation Phase Transform GMM Gaussian Mixture Model GSSM Generic Source Spectral Model KL Kullback-Leibler LGM Local Gaussian Model MAP Maximum A Posteriori ML Maximum Likelihood MU Multiplicative Update NMF Non-negative Matrix Factorization OPS Overall Perceptual Score PLCA Probabilistic Latent Component Analysis SAR Signal to Artifacts Ratio SDR Signal to Distortion Ratio SIR Signal to Interference Ratio SiSEC Signal Separation Evaluation Campaign SNMF Spectral Non-negative Matrix Factorization SNR Signal to Noise Ratio STFT Short-Time Fourier Transform TDOA Time Difference of Arrival T-F Time-Frequency TPS Target-related Perceptual Score x LIST OF TABLES 2.1 Total number of different events detected from three recordings in spring 40 2.2 Total number of different events detected from three recordings in sum- mer .3 Total number of different events detected from three recordings in winter 42 3.1 List of snip songs in the SiSEC-MUS dataset.2 Source separation performance obtained on the Synthetic and SiSEC- MUS dataset with unsupervised setting.3 Speech separation performance obtained on the SiSEC-BGN. ∗ indi- cates submissions by the authors and “-” indicates missing information [81, 98, 100].4 Speech separation performance obtained on the Synthetic dataset with semi-supervised setting.1 Speech separation performance obtained on the SiSEC-BGN-devset - Comparison with closed baseline methods.
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Duong Thi Hien Thanh (2019). Tách nguồn âm thanh bằng mô hình NMF và ma trận không âm [Luận án tiến sĩ, Hanoi University of Science and Technology]. LuanAn.net. https://luanan.net/tai-lieu-khac/tach-nguon-am-thanh-mo-hinh-nmf-ma-tran-khong-am
Câu hỏi thường gặp
Luận án "Tách nguồn âm thanh bằng mô hình NMF và ma trận không âm" nghiên cứu về vấn đề gì?
Tách nguồn âm thanh sử dụng mô hình phổ nguồn tổng quát trên cơ sở thừa số hóa ma trận không âm. Đề xuất phương pháp mới hiệu quả trong xử lý tín hiệu âm thanh.
Luận án "Tách nguồn âm thanh bằng mô hình NMF và ma trận không âm" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Hanoi University of Science and Technology. Năm bảo vệ: 2019.
Luận án "Tách nguồn âm thanh bằng mô hình NMF và ma trận không âm" thuộc chuyên ngành gì?
Luận án "Tách nguồn âm thanh bằng mô hình NMF và ma trận không âm" thuộc chuyên ngành Computer Science. Danh mục: Tài liệu khác.
Luận án "Tách nguồn âm thanh bằng mô hình NMF và ma trận không âm" có bao nhiêu trang?
Luận án "Tách nguồn âm thanh bằng mô hình NMF và ma trận không âm" có 129 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Tách nguồn âm thanh bằng mô hình NMF và ma trận không âm" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.