基于超高斯激励的噪声顽健语音线性预测分析算法

TN912.3; 针对传统的语音信号线性预测分析算法在噪声环境下性能恶化的问题,提出了一种新的基于超高斯激励的噪声顽健线性预测算法.该算法采用具有超高斯特性的学生 t 分布对语音信号线性预测激励建模,并显式地考虑环境噪声的影响,从而构建语音信号线性预测分析的概率图模型.在此基础上,利用变分贝叶斯的方法求解模型参数的近似后验分布,进而实现对带噪语音线性预测系数的最优估计.实验结果表明,该算法能够有效提高噪声环境下语音信号线性预测分析的顽健性....

Full description

Saved in:
Bibliographic Details
Published in通信学报 no. 5; pp. 62 - 70
Main Authors 周彬, 邹霞, 张雄伟, 赵改华
Format Journal Article
LanguageChinese
Published 解放军理工大学 指挥信息系统学院,江苏 南京 210007 2013
Subjects
变分贝叶斯
语音线性预测
super-Gaussian excitation
噪声顽健
noise-robust
variational Bayes
linear prediction of speech
超高斯激励
Online AccessGet full text
ISSN1000-436X
DOI10.3969/j.issn.1000-436x.2013.05.007

Cover

More Information
Summary:TN912.3; 针对传统的语音信号线性预测分析算法在噪声环境下性能恶化的问题,提出了一种新的基于超高斯激励的噪声顽健线性预测算法.该算法采用具有超高斯特性的学生 t 分布对语音信号线性预测激励建模,并显式地考虑环境噪声的影响,从而构建语音信号线性预测分析的概率图模型.在此基础上,利用变分贝叶斯的方法求解模型参数的近似后验分布,进而实现对带噪语音线性预测系数的最优估计.实验结果表明,该算法能够有效提高噪声环境下语音信号线性预测分析的顽健性.
ISSN:1000-436X
DOI:10.3969/j.issn.1000-436x.2013.05.007