Browsing by Author "陳建勛"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    以非負矩陣分解法提升維納濾波器架構之噪聲消除效能
    (2016) 陳建勛; Chen, Chien-Hsun
    語音是人類生活中傳遞訊息最直接的方法，也是人類極為重要的訊息來源。然而這些語音訊息也往往容易受到噪聲的干擾而影響了生活的品質。有鑑於此，在過去數十年間，多種噪聲消除演算法不斷的被提出來試圖來消除背景噪聲並提升語音品質。現今最為廣泛應用之噪聲消除演算法為非監督式(Unsupervised)架構，其成功的例子有: Wiener Filter, LogMMSE, KLT…等。過去的研究指出，非監督式噪聲消除法在穩態噪聲(例如:低頻穩定噪聲、粉紅色雜訊…等)情況下已有卓越的表現,但對於非穩態噪聲(例如:人聲噪聲)類型的消噪能力仍存在許多挑戰。近年，許多學者開始採用監督式(Supervised)噪聲消除法來達成噪聲消除，以克服非監督式噪聲消除法之缺點，成功的例子例如:Deep Denoisy Autoencoder (DDAE)法。當訓練語料量足夠的情況下，DDAE法比非監督式噪聲消除法有更佳的噪聲消除能力。然而，在不易取得大量訓練語料的情況下，此方法在應用上將有所限制。有鑑於此，本研究提出一個新式的噪聲消除演算法，稱Adaptive Wiener-NMF (AWNMF)，以解決上述非監督式與監督式噪聲消除法之缺點，如:(1).非穩態噪聲情境下之效益不彰、(2).需大量訓練語料進行訓練。由多項的客觀聲音評估指標(PESQ, SSNRI,SDI)證明，多種噪聲環境下(例如:嬰兒哭聲、警笛 …..等等)，本論文所提出之AWNMF演算法比目前常見之噪聲消除法(例如: LogMMSE, KLT, Wiener, NMF-Based)有更佳之噪聲消除效益。此外，當訓練語句極少之情況下，本論文發展出之AWNMF演算法比DDAE噪聲消除法有更佳之噪聲消除效益。總結上述的研究結果，AWNMF演算法將是一個創新且有效之噪聲消除法。