基于非负矩阵分解的语音特征波形分解方法
本文研究了基于非负矩阵分解(Nonnegative MatrixFactorization, NMF)的语音特征波形(CharacteristicWaveform, CW)分解方法,通过比较得出基于K-L散度的NMF方法优于基于欧氏距离的NMF方法和局部非负矩阵分解方法。文中将特征波形按照基音周期的统计分布分为6类,为了降低复杂度,本文提出了一种基矢量的Mel刻度分带初始化方法,并与K-L散度结合进行了CW的NMF分解,同时与FIR滤波和奇异值分解方法进行了比较。
语音处理 波形内插 语音特征波形 非负矩阵分解 FIR滤波
郭莉莉 鲍长春
北京工业大学 电子信息与控制工程学院 语音与音频信号处理研究室 北京 100022
国内会议
北京
中文
107-110
2007-08-01(万方平台首次上网日期,不代表论文的发表时间)