این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۸، شماره ۱، صفحات ۴۵-۵۴
عنوان فارسی کاربرد الگوریتم جداسازی کور منابع در جداسازی سیگنال‌های گفتار و موسیقی
چکیده فارسی مقاله در این مقاله کاربرد یکی از الگوریتم‌های تجزیه به مؤلفه‌های مستقل (ICAA) در جداسازی ترکیب‌های لحظه‌ای سیگنال‌های گفتار و موسیقی مورد بحث قرار می‌گیرد. الگوریتم جداساز در حوزۀ زمان بوده و برای مینیمم‌سازی اطلاعات متقابل به تخمین تابع رتبه نیاز دارد. برای تخمین تابع رتبه نمونه‌هایی از سیگنال‌های ترکیب شده خروجی الگوریتم جداساز باید انتخاب گردد که اثر منابع اولیه در آن وجود داشته باشد. از آن‌جا که سیگنال‌های گفتار و موسیقی در بازه‌هایی از زمان می‌توانند دارای فواصل سکوت باشند، انتخاب فریمی از سیگنال‌های ترکیب‌شده با اثر هر دو منبع اولیه در مسألۀ ما اهمیت پیدا می‌کند. روش پیشنهادی ما استفاده از پارامتر تفاضل توابع رتبه است که با انتخاب یک حد آستانه می‌توان فریم بهینه را انتخاب نمود. کارایی الگوریتم جداساز با دو تخمین‌زن ترکیب‌های گوسی و حداقل میانگین مربع خطا مقایسه شده است. نتایج شبیه‌سازی نشان می‌دهد که اولاً روش پیشنهادی عملکرد خوبی را در حذف بازه‌های سکوت از خود نشان می‌دهد و ثانیاً الگوریتم جداساز با تخمین‌زن ترکیب‌های گوسی می‌تواند به تفکیک بهتر سیگنال‌ها و زمان پردازش کمتر الگوریتم جداساز منجر شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Application of Blind Source Separation for Speech-Music Separation
چکیده انگلیسی مقاله In this paper, the application of the Independent Component Analysis In this paper, the application of the Independent Component Analysis technique in speech-music separation is discussed. The separation algorithm is in the time domain. It needs the score function estimation to minimize the mutual information. For estimating score function, sufficient samples of the mixed (speech-music) signals are needed. In other words, these samples must be included both original sources. Since the speech and music signals could contain the silent gaps, the frame selection is important in our problem. Our proposed method for selecting the optimum frame is based on the score function difference. The experimental results show good performance of the proposed method in elimination of the silent gaps. Also they express the separation algorithm based on Gaussian Mixture estimator achieves a better separation performance and less processing time compared to the separation algorithm based on Minimum Mean Square Error estimator.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مسعود رضا آقا بزرگی صحاف | Masoud Reza Aghabozorgi sahaf
دانشگاه یزد

آرش پیشرویان | arash pishravian
دانشگاه یزد

حمیدرضا ابوطالبی | hamid reza abutalebi
دانشگاه یزد

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-59-1&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-600140.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش گفتار
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات