TW200941454A - Convolutive blind signal separation system having auditory-like spectro-temporal domain pre-whitening function - Google Patents
Convolutive blind signal separation system having auditory-like spectro-temporal domain pre-whitening function Download PDFInfo
- Publication number
- TW200941454A TW200941454A TW97109969A TW97109969A TW200941454A TW 200941454 A TW200941454 A TW 200941454A TW 97109969 A TW97109969 A TW 97109969A TW 97109969 A TW97109969 A TW 97109969A TW 200941454 A TW200941454 A TW 200941454A
- Authority
- TW
- Taiwan
- Prior art keywords
- signal
- frequency
- time domain
- auditory
- speech
- Prior art date
Links
Landscapes
- Circuit For Audible Band Transducer (AREA)
Description
.200941454 九、發明說明: 【發明所屬之技術領域】 本毛月係關力種居音信號的辨識處理技術,尤指一 種帶有類聽覺之頻率-時間域預白化的旋積未知信號分離系 統0 【先前技術】
人類與個人電腦之間的互動隨著科技發展而逐日變得 頻繁,舉例而t· ’在一語音控制系統中,以語音指令執行 簡單的卫作可獲得更具靈活性的操作方式。然而語音控制 系統實際所能發揮的效能’纟現實生活中常會大打折扣。 於-寬廣的室内空間裡’周遭的環境常會存在有各式各樣 的雜音,例如空調設備的運轉聲、氣流聲、來自於窗外的 車輛噪音等等,均會使空間具有相當程度的干擾雜音。除 此之外,語音指令也會受到較強的聲音所干擾,如附近人 群的對談聲、喇n八所播放出的音樂、自電視中傳出的節目 聲音等。而迴音效應亦會降低語音控制的效能。 由於浯音控制系統會因上述問題而降低本身效能,故 語音增強(speech enhancement)技術自有其發展必要。钮立 增強架構可略分為早麥克風(single — microphone)與多麥克八 (multi-microphone)二類。前者主要是著重與錄製信號有關 的時域/頻域資訊’然而這類型的架構只能在具穩定雜音 的環境下才能發揮良好功效,一旦應用在非穩定立 ” 9環境 下錄製而得的語音信號,效能即顯著下降,而且告古 田巧干擾 4 200941454 性的雜音對所欲處理的真正語音信號構成破 不甚令人滿意。 _其表現 後者可克服單麥克風架構所受到的限制。利用複數支 麥克風則可利用空間資訊(spatial inf〇rmati〇n)。舉例來說, 波束成型⑴,u](beamf〇rming)技術利用一已知幾何組態的麥 t風矩陣,令聲音在空間及時間的量測均可有效抑制干擾 L號。然而,該類方法需要一些與聽覺環境及相關涉及信 號等有關先驗(a 資訊,並同時需要為數眾多的麥克 風而維持良好的信號處理品質。 未知仏號分離(blind signal separation,BSS)技術則是 另外種多麥克風的增強架構,能大幅降低所使用的麥克 風數量及與彳§號源有關的先驗(α資訊。在限定數目 麥克風下錄製而得的混合信號,借助其空間資訊,未知信 號分離法得以將干擾雜訊自信號源中明確地分離出來。一 般來說,未知信號分離法可再劃分為二種次類別,其中一 _類為瞬時混合的簡單未知信號分離模型(simple Bss m〇dei 〇f instantaneous mixtures),其信號源係採線性的混合 ’而另一類為旋積混合的複雜未知信號分離模型 (complex BBS model of conv〇lutive mixtures) ’ 其信號源為 旋積混合⑴·π»]。後者又稱之為旋積未知信號分離 (covolutive BSS,CBSS) ’相較於瞬時未知信號分離,旋積 未知信號分離於現實應用環境中更佳實用,尤其是當運用 在多路控(multipath)或具有回盪(reverberant)的空間中。然 而’旋積未知信號分離可能會部分地破壞了原始語音中的 5 200941454 頻率%間域的相關性,而導致不好的分離效果 【發明内容】 ❹ ⑩ 士見有旋積未知信號分離會破壞原始語音中其頻率 日^間域的相關性而減弱分離效果,故本發明之目的係提 供種帶有類聽覺之頻率—時間域預白化的旋積未知信號 刀離系統在進行旋積未知信號分離之前,預先對原始語 曰L號處s I除化號其頻率_時間上的相關性。 為達成m述目#,本發明帶有類聽覺之頻率_時間域 預白化的旋積未知信號分離系統係包含有: -類聽覺之頻率—時間域預白化單元,係接收由複數 支麥克風收錄的複數個原始⑧合語音信^,對該原始混合 D" L號進行頻率-時間域的處理’以移除原始混合語音 信號其頻率’間上的相關性’並對應該複數原始混和語音 信號而分別產生其時間域上的頻_時域殘值; 方疋積未知彳5號分離單元,係接收前述複數個頻-時域 殘值及原始混合語音信號’並計算出—估測逆混合矩陣, 利用該估測逆混合矩陣依據原始混合語音信號而產生複數 個估測語音信號; -信號選擇單元’係接收前述旋積未知信號分離單元 所輸出之估測語音信號’並自每—估測語音信號中分離出 目標語音與干擾彳自號以正確選擇出該目標語音。 其中’刖述類聽覺之頻率—時間域預白化單元係包含 複數個聽覺線性預測殘值平方模組構成,每一聽覺線性預 6 200941454 測殘值平方模組包含·· 一聽覺小波轉換模組’係接 轉換該原始混合語音”為㈣/原始混合語音信號並 曰琥為複數個關鍵頻帶; 複數個時間域線性預測殘值模組, -十,士酿思,.士 & 、、’ 係刀別對應接收前 述由聽覺小波轉換模組所輪中的 ^ _ 的複數個關鍵頻帶,以移除 l唬中的時間相關性而個別輸出— 值. 時間域上的線性預測殘 複數個頻率域線性預測殘值 係個料應接收前 述時間域上的線性預測殘值, *X但乂移除仏諕中的頻譜相關性 並個別輸出各關鍵頻帶的頻_時域殘值; 一逆聽覺小波轉換模組,係接收前述各關鍵頻帶的頻· 時域殘值而合成為該混合信號於時間域上的頻-時域殘值, 以提供予該旋積未知信號分離單元。 【實施方式】 冑參考第—圖所示,為本發明的系統方塊圖,包含有 三大單元:-類聽覺之頻率—時間域預白化單元(audit0〒 like spectro_temporal pre_whitening) ( i 〇 )、一旋積未知 信號分離單元(conv〇lutive bHnd s〇urce separaU〇n) ( 2 〇 ) 與 號選擇單元(signal selection) ( 3 Ο )。 類聽覺之頻率一時間域預白化單元(i 〇 )係接收由 複數支麥克風錄製而成的原始混合語音信號,原始混合語 音信號中包含所需要的目標語音及干擾雜訊。類聽覺之頻 率一時間域預白化單元(i 0 )主要進行頻率—時間域的 7 .200941454 處理’作用在於移除原始混合語音信號其頻率-時間上的相 關性(inter-symbol spectr〇_temp〇ral十基本上可 視為類聽覺的頻率—時間域預白化階段,該類聽覺之頻率 -時間域預白化單元(1〇)是由複數個聽覺線性預測殘 值平方模組(PLPR2)構成。 請參照第二圖所示,每一個聽覺線性預測殘值平方模 組的構成元件有-聽覺小波轉換模組(工工)、時間域線 性預測殘值模組(12)、頻率域線性預測殘值模組(1 〇 3 )及一逆聽覺小波轉換模組(丄4 ),以下將逐一介紹。 ί、聽覺小波轉換模組(perce]ptual wavelet transf〇rm, PWT) : 5 聽覺小波轉換模組(1 1 )是改良自傳統的小波轉換, 使原始混合語音信號經過聽覺小波轉換而產生的各個子頻 帶“號其頻寬能更接近人耳的聽覺響應,描述人耳聽覺響 應的參數主要有巴克頻譜(Bark)以及關鍵頻寬(Critical ❹ Bandwidth)。由小波轉換逼近巴克頻譜及關鍵頻寬是藉由 調整小波轉換的樹狀結構來達成。依據關鍵頻寬分佈情 开y,適當對訊號做尚低頻的分解,使得子頻帶訊號的頻率 分佈跟關鍵頻寬近似,本實施例中將原始混合語音信號輸 入至一個五階的小波樹狀轉換結構,歷經1 6次的高低頻 分解’於4KHz的頻寬範圍之内而產生17個關鍵頻帶。 此工作假設在’ X⑻=IX⑻,x2(«),_"xm(w)f是麥克風在獨立 時間點η所錄製到的m個原始混合語音信號,代表第 j個原始混和語音信號’而小波展開係數(wavelet expansi()n 8 ⑴ 〇 ❹ d«) = [〇 -1)0 _ 2),_ 夕)]7· 々)㈨=明ik5F)(n)cos
nkn AM 200941454 coefficients)Ν㈣的集合可由下式求得 =IWr(x/n)), iF=l,2,...j7. 代表關鍵頻帶的索引(index 〇f crhical bands)。 II、時間域線性預測殘值模組(TD_LPR) ,· 由聽覺小波轉換模組(1 1 )對每-個原始混和語音 信號χ/«)分解而成的複數個關鍵頻帶㈣⑻},係分別輸入至 一對應的時間域線性殘值預測模組(i 2 ),請參考第三 圖所示’各時間域線性預測殘值模組(丄2 )用胃於移除: 號中的時間相關性,並輪出一 B卑鬥奸 …)⑻ i叛出時間域上的線性預測殘值 該時間域線性預測殘值必)⑻係由以下公式計算得到 <細=作L作參,_⑻一㈣)㈣ _ " (2) 依據P個過去值可在第心個關鍵 彳如 測值矛)⑻,#=[砹),哈),…,哎)Γ 的一預 ,、…一..代丨表線性預測係數向量,且 111、頻率域線性預測殘值模組(FD-LPR): 前述每一個時間域線性預測殘值模組(玉2 ) =值線性預測殘值模組(1 3 )。頻率域線性預 測殘值模組U 3 )接收前述時間域線性預測殘值· ==在頻譜上的相關性’首先利W點的離散餘弦 心轉到頻VTetransf随,DCT),將時間域預測殘值 =〇, 1,…,AM. (3) 9 200941454 V 芯,k=Q, 其中,c(々)= 1, otherwise. 然後藉著q階瓦的線性預測而得到勾^ 物=啤,-ψ⑻= (4) a(〜)=Γα(〜)/7(〜) /ϊ(〜)~Ι _ f J h1,>2 ’…’ Λ」是q階的線性預測係數向量(veCt〇r 〇 linear prediction coefficient), 且#)(幻«#-1),4)(卜2),...,#)(卜^·。 在經過逆離散餘弦轉換(inverse discrete cosine transform,IDCT)得到各關鍵頻帶的頻_時域殘值〇)。 IV、逆聽覺小波轉換模組(ipwt): 最後各個關鍵頻帶的頻-時域殘值ε?°(«),皆輸入炱該逆 聽覺小波轉換模組(1 4 )而合成為時間域的頻-時威殘值 ελ〇 〇 爾(物), ζ.厂 1}2,…,17。 (5) ❹ 仍請回到第一圖所示,各原始混和語音信號Xy⑻的頻- 時域殘值係輸入至前述旋積未知信號分離單元(2 〇 )。 原始混和語音信號的殘值ε⑻=[h⑻,&(„),...,〜⑻]『是由m 個殘值信號來源(residual sources) u〇?) = [u】(/i),u2⑻, 組成。 m P-\ f= Σ Σ K (τ ^ίίη-τ), 一。 (6) 上式的(·)Γ是一轉置(transposition)運算,/2"是一具有 時間長度P的未知有限脈衝響應濾波器(finite impulse 200941454 response filter) ’ 咖)代表第 ζ·個殘 去 a 士 w叹值來源。因為是在頻域 下做未知信號分離,所以需要法疏.風 兩罟无經過一個T點窗口離散傅 利葉轉換(T-point windowed discrete p . ,, u discrete Fourier transform, 〇FT),第(6)式可轉換為頻率域的公式,如下所示, η) « ϋ(ω)\](α>^ n)9 for Ρ « τ (7) Η(叻和U(¥)分別是混合矩陣(mixing matHx)和殘值信 號來源(residual sources)估測的轉換表示(transf〇rmati〇n° representations)。從第(7)式可以發現旋積運算的問題已在 ©每一頻率槽bin)被轉成乘法運算的未知信號處理 問題了。 接下來就是利用下述第(8)式,找到一個逆混合矩陣 (unmixing matrix)W«o),利用混合信號殘值£(邮)而復原出】 筆殘餘來源信號估測(residual source estimate) 〇(似)。 ν{(〇^η) = W (〇))Κ(ω,η) ' (Β) 首先設定一價值函數(cost function)八评㈣彡,該價值函 數AW⑽)被定義為測量ϋ(ω,”) =吆(_)及(,),此(_)严間的獨 立性(independence),可以將·/(’(《))本身最小化而對其最佳 化,令ϋ〇,《)更具有獨立性。 把混和信號殘值的協方差(Covariance)化為公式 ΚΕ(ω,η) = (Ε(ω,η)Εα (a,nfj = Η(ω)(ϋ(ω,η)ϋΗ(ω,η))ΐΙΗ(ω) 三Η⑽人【/(队》)!!丑⑽. (9) 因為來源js被被§忍疋為是不相關(uncorrelated)的,一
A 估測對角化協方差矩陣〜(G),《)(estimated diagonal covariance matrix)是為必要條件。殘值來源υ(ω,《)的協方差 200941454 可由以下式子可得: R【,〇,n) s〈U〇,”)Uff (〇,„)〉 ^ {ν(ω,η)ϋΗ (ω,η)^ = W(fi))R£(6i,n)W»(G>) (1〇) 價值函數則表示為J(w⑽)=5|llR#,n)_〜(’瑜,w(iy) 可借由對心(_)的非對角線元素(off-diagonal elements)最 小化而得到,如下式所示·· Ο ❹ 从=arSinl?丨(11) s.t. W(r) = 0,Vr>2,Q<<7'5 n?、 W"⑻=1, 2 (13) 代表 平方 Frobinius 模方(Square Frobinius Norm), 而g〇是取對角線元素的運算元。 於第(12)式中’限制0遠小於Γ可解決頻率置換程度 問題(Frequency Permutati〇n Ambiguity)。 而第(13)式的限制則是用來解決大小程度問題(ScaU Ambiguity)。 為了解開弟(12)式,故採用梯度.下降(Gradient Decent) 法’其中價值函數的梯度(Gradient)表示為 AW*(iy) = = 2ΣΕΛω,η)\ν(ω)ΚΕ(ω,η\ ' (14) 其中,Λυ(ω,η)]。 在旋積未知信號分離作業的最後,利用該估測逆混合 矩陣A»(estimated Unmixing matrix)配合錄製的混合信號 x;.(«)而產生出估測語音信號(estimated s〇urce)%)。 前述旋積未知信號分離(CBSS)係為了求出一估測的逆 12 •200941454 混合矩陣,),並用以建立㈣語音信號,該估測語音作 號如再輸入至該信號選擇單元以分離出目標言音及干擾雜 訊。實際上’―般干擾源像吵雜人聲噪音等,係假設其為 空間分佈的干擾源’因& ’信號選擇單元(3 〇)僅針對 時間域的處理即可,換言之即針對語音的高度時間預測 性。-般說來’任何語音信號的時間預測性會高於或等於 空間分佈的干擾源。因& ’本發明的實施例中,信號選擇 單元(3 〇) #利用-時間域線性預測殘值模組構成,將 該模組視為-㈣別目標語音和干㈣音的辨識裝置,於 每一估測語音信號义„)中鑑別出所需的目標語音,再將各目 標語音合併為一最終語音信號§。 综上所述’本發明利用旋積未知信號分離方法(cbss) 將目標語音信號和干擾源做空間上的分離,相較傳統的旋 積未知信號分離可能會部分地破壞原始語音中的頻率-時間 域的相關性,本發明預先對原始混合語音信號執行—類^ 覺之頻率.時間域預白化,以預先減少語音信號取樣點的相 關性,該相關性包括人耳聽覺處理和由反射造成的干擾。 語音信號經過預白化處理後,再進行濾波處理,旋積未知 信號分離(CBSS)使分離的信號在空間域上是獨立的,但能 保留天然(inherent)頻域和時域的相依性。最後,利用一時 域線性預測殘值模組來選擇目標語音,以辨識出真正的語 音信號。 依據本發明之語音辨識、增強技術’可得以廣泛應用 於3C產業,諸如家庭看顧、智慧住宅設計、聲控家電、 13 200941454 老人看顧、保全設計、磬批y g 具、機器人、助聽器及電話 等多項,令裝置的操控作業更為便捷。 【圖式簡單說明】 第一圖··係本發明帶有類聽覺 #择去A、 見之頻率-時間域預白化的 方疋積未知k號分離系統其方塊圖。 時間域預白化單 第二圖:係本發明一類聽覺之頻率— 元其内部方塊圖。 ❹
第三圖:係本發明一時間域線 構方塊圖。 Γ生預測型殘值模組之架 【主要元件符號說明】 (1 〇)類聽覺之頻率一時間域預白化單元 (1 1 )聽覺小波轉換模組 (1 2 )時間域線性預測殘值模組 (1 3 )頻率域線性預測殘值模組 (1 4 )逆聽覺小波轉換模組 (2 0 )旋積未知信號分離單元 C3〇)信號選擇單元 14 200941454 【參考文獻】 [1] B. D. VanVeen and Κ. Μ· Buckley, “Beamforming: a versatile approach to spatial filtering,IEEE Acoustics, Speech and Signal Processing Magazine, vol. 5, pp. 4-24, April 1988.
[2] W. Kellermann, ίςΑ self-steering digital microphone array,” in Proceedings of IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 5, April 1991, ® pp. 3581-3584.
[3] A. Hyvarinen, J. Karhunen, and E. Oja, Independent Component Analysis, New York: Wiley, 2001.
[4] A. Bell and T. Sejnowski, “An information maximization approach to blind separation and blind deconvolution,5, Neural Computation, vol. 7, pp. 1 129-1 159, November 1995.
[5] D· Yellin and E. Weinstein, “Multichannel signal ❹ separation: methods and analysis,IEEE Transactions on Signal Processing, vol. 44, no.l, pp. 106-118, January 1996.
[6] K. Rahbar and J· P. Reilly, “Blind source separation algorithm for ΜΙΜΟ convolutive mixtures,in Proceedings International Workshop on Independent Component. Analysis and Signal Separation, San Diego, CA., December 2001, pp. 242-247.
[7] K. Rahbar and J. P. Reilly, frequency domain 15 .200941454 method for blind source separation of convolutive audio mixtures,’’ IEEE Transactions on Speech and Audio Processing, vol. 13, no.5, pp. 832-843, September. 2005.
[8] W. Wang, S. Sanei and J. A. Chambers, ''Penalty function-based joint diagoalization approach for convolutive blind separation of nonstationary sources,’’ /五££ on Signal Processing, vol. 53,no. 5, pp. 1654-1669,May 2005. ❹
[9] T. Mei, J. Xi, F. Yin, and J. F. Chicharo uBlind source separaion based on time-domain optimization of a frequency-domain independence criterion,’’ IEEE
Transaction on Audio, Speech and Language Processing, pp. 1-11, 2005.
[10] S. Y. Low, S. Nordholm and R. Togneri, ‘‘Convolutive blind signal separation with post-processing” IEEE Transactions on Speech and Audio Processing, vol. 12, no. 5, pp. 539-548, September 2004.
[11] E. Visser, M. Otsuka, and T. W. Lee, (iA spatio-temporal speech enhancement scheme for robust speech recognition in noisy environments,Speech Communications, vol. 41, no. 2, pp. 393-407, October 2003. 16
Claims (1)
- 200941454 十、申請專利範圍: 1·一種帶有類聽覺之頻 知信號分離系統,包含有: 率-時間域預白化的旋積未 —類聽覺之頻率-時間域預白化單元,係接收由複數 支麥克風收錄的複數個原始混合語音信號,對該原始混合 語音信號進行頻率-時間域的處理,以移除原始混合語音 信號其頻率.時間上的相關性,並對應該複數原始混和語音 信號而分別產生其時間域上的頻_時域殘值;一旋積未知信號分離單元,係接收前述複數個頻-時域 殘值及原始混合語音信號,並計算出一估測逆混合矩陣, 利用該估測逆混合矩陣依據原m語音㈣而產生複數 個估測語音信號; —信號選擇單元,係接收前述旋積未知信號分離單元 所輸出之估測語音信號,並自每一估測語音信號中分離出 目標語音與干擾信號以正確選擇出該目標語音。 2 ·如申請專利範圍第1項所述帶有類聽覺之頻率-Ό 時間域預白化的旋積未知信號分離系統,該類聽覺之頻率 —時間域預白化單元係包含複數個複數個聽覺線性預測殘 值平方模組構成,每一聽覺線性預測殘值平方模組包含: 一聽覺小波轉換模組,係接收一原始混合語音信號成 轉換該原始混合語音信號為複數個關鍵頻帶; 複數個時間域線性預測殘值模組,係分別對應接收前 述由聽覺小波轉換模組所輸出的複數個關鍵頻帶,以移除 信號中的時間相關性而個別輸出一時間域上的線性預測殘 17 200941454 值; 过時域線性預測殘值模組’係個別對應接收前 柄間域上的線性預測殘值,以移除信號中的頻譜相關性 並個別輸出各關鍵頻帶的頻_時域殘值; 、-逆聽覺小波轉換模組,係接收前述各關鍵頻帶的頻 時域殘值而合成為該混合信號於時間域上的頻.時域殘值, 以提供予該旋積未知信號分離單元。3·如申請專利範圍第1或2項所述帶有類聽覺之頻 率:時間域預白化的旋積未知信號分離系統,該信號選擇 單元為一時間域線性預測殘值模組。 4.如申請專利範圍第3項所述 時間域預白化的旋積未知信號分離系統二波;'換 榣組為一個五階的小波樹狀轉換結構,於4κΗζ的頻寬範 圍之内將每一原始混合語音信號分解為17個關鍵頻帶。 十一、圖式: ❹ 如次頁 18
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW97109969A TW200941454A (en) | 2008-03-21 | 2008-03-21 | Convolutive blind signal separation system having auditory-like spectro-temporal domain pre-whitening function |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW97109969A TW200941454A (en) | 2008-03-21 | 2008-03-21 | Convolutive blind signal separation system having auditory-like spectro-temporal domain pre-whitening function |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200941454A true TW200941454A (en) | 2009-10-01 |
TWI356398B TWI356398B (zh) | 2012-01-11 |
Family
ID=44868324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW97109969A TW200941454A (en) | 2008-03-21 | 2008-03-21 | Convolutive blind signal separation system having auditory-like spectro-temporal domain pre-whitening function |
Country Status (1)
Country | Link |
---|---|
TW (1) | TW200941454A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9105270B2 (en) | 2013-02-08 | 2015-08-11 | Asustek Computer Inc. | Method and apparatus for audio signal enhancement in reverberant environment |
-
2008
- 2008-03-21 TW TW97109969A patent/TW200941454A/zh not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
TWI356398B (zh) | 2012-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107039045B (zh) | 用于语音增强的全局优化最小二乘后滤波 | |
Pedersen et al. | Convolutive blind source separation methods | |
US8848933B2 (en) | Signal enhancement device, method thereof, program, and recording medium | |
JP5007442B2 (ja) | 発話改善のためにマイク間レベル差を用いるシステム及び方法 | |
US9093079B2 (en) | Method and apparatus for blind signal recovery in noisy, reverberant environments | |
US8874441B2 (en) | Noise suppression using multiple sensors of a communication device | |
JP6363213B2 (ja) | いくつかの入力オーディオ信号の残響を除去するための信号処理の装置、方法、およびコンピュータプログラム | |
JP6547003B2 (ja) | サブバンド信号の適応混合 | |
CN110517701B (zh) | 一种麦克风阵列语音增强方法及实现装置 | |
JP2011215317A (ja) | 信号処理装置、および信号処理方法、並びにプログラム | |
GB2548325A (en) | Acoustic source seperation systems | |
Benesty et al. | Signal enhancement with variable span linear filters | |
Zhao et al. | Robust speech recognition using beamforming with adaptive microphone gains and multichannel noise reduction | |
Tu et al. | A complex-valued multichannel speech enhancement learning algorithm for optimal tradeoff between noise reduction and speech distortion | |
Neo et al. | Signal compaction using polynomial EVD for spherical array processing with applications | |
Yoshioka et al. | Dereverberation by using time-variant nature of speech production system | |
TW200941454A (en) | Convolutive blind signal separation system having auditory-like spectro-temporal domain pre-whitening function | |
KR101260684B1 (ko) | 피드 포워드 네트워크를 이용하는 독립 벡터 분석에 따른 블라인드 소스 분리 방법 및 장치 | |
Martín-Doñas et al. | An extended kalman filter for RTF estimation in dual-microphone smartphones | |
Li et al. | Beamformed feature for learning-based dual-channel speech separation | |
Bai et al. | Kalman filter-based microphone array signal processing using the equivalent source model | |
Takada et al. | Semi-supervised enhancement and suppression of self-produced speech using correspondence between air-and body-conducted signals | |
CN114220453B (zh) | 基于频域卷积传递函数的多通道非负矩阵分解方法及系统 | |
EP3029671A1 (en) | Method and apparatus for enhancing sound sources | |
Masuyama et al. | Simultaneous Declipping and Beamforming via Alternating Direction Method of Multipliers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |