结合EEMD与K-SVD字典训练的语音增强算法
2017-03-15分类号：TN912.35
【部门】西北师范大学物理与电子工程学院
【摘要】该文提出一种总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)方法与K奇异值分解(K-singular value decomposition,K-SVD)字典算法相结合的语音增强算法。将带噪语音通过EEMD分解得到各本征模式分量(intrinsic mode function,IMF),对各IMF分量进行互相关和自相关分析,去除噪声IMF分量,并将过渡IMF分量再次进行EEMD分解,去除其中的噪声IMF分量。将过渡IMF分量和剩余的IMF分量叠加
【关键词】语音增强 总体平均经验模态分解 K奇异值分解 相关性
【基金】国家自然科学基金资助项目(61263036,61262055,11664036);; 甘肃省杰出青年基金资助项目(1210RJDA007)
【所属期刊栏目】清华大学学报(自然科学版)
文献传递
