(3.230.76.48) 您好!臺灣時間:2021/04/11 09:58
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:張云箐
研究生(外文):Yun-Chien Chang
論文名稱:最小均方演算法以及功率頻譜密度差異值用於雜訊消除的分析
論文名稱(外文):The Research on LMS and ΔPSD-Based Noise Reductio
指導教授:黃紹華黃紹華引用關係
口試委員:劉馨勤譚旦旭何文禎
口試日期:2007-06-26
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:電機工程系研究所
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:70
中文關鍵詞:最小均方演算法雜訊消除噪音消除
外文關鍵詞:LMSΔPSDnoise reduction
相關次數:
  • 被引用被引用:0
  • 點閱點閱:159
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:7
  • 收藏至我的研究室書目清單書目收藏:0
本論文針對環境中規律性雜訊,使用LMS與ΔPSD等方法做雜訊消除。本論文分為3個部分:
1. 分析功率頻譜函數的差値(Δ Power Spectrum Density)用於規律性雜訊與人聲的判別,
2. 使用LMS(least-mean-square)用於適應性雜訊學習與消除,
3. 去雜訊後語音使用增益,以加強人聲部分的訊號。
本論文所提出的方法,對於使用筆記型電腦內建麥克風或是在有規律雜訊干擾環境中使用網路語音通訊者,都可以將背景規律的雜訊消除,提升網路語音通話品質。
實驗結果證實,使用ΔPSD與LMS可以有效降低規律性雜訊的干擾,在CPU運算時間短,用於即時通訊上有著顯著的優點。
The LMS and ΔPSD-based method are employed to reduce the noise for the communication system. Three topics are employed to implement the noise reduction.
First, the delta function of Power Spectrum Density is employed to distinguish the noise and un-noise signal.
Second, the LMS(least-mean-square) method is employed to learn and reduce the noise adaptively.
Third, the filter’s gain are employed to recover the gain of un-noise signal.
The LMS and ΔPSD method are implemented in the VoIP to inspect the performance. The experimental results confirm that the LSM and ΔPSD-based method reduce the noise efficiently.
中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 vi
圖目錄 vii
第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 1
1.3 研究方法 2
1.4 章節概要 2
第二章 雜訊消除簡介 4
2.1 具規律性雜訊的特性分析 4
2.1.1 雜訊類型 4
2.1.2 規律性雜訊特性 4
2.2 雜訊消除的原理 7
2.3 雜訊消除的其他方法 8
2.3.1 擷取強健性語音特徵 8
2.3.2 雜訊消除用於提升語音辨識率 8
2.3.3 使用語音強健技術來降低雜訊的干擾 15
2.4 實驗與比較 16
第三章 網路電話系統之語音雜訊消除機制 24
3.1 語音雜訊於網路電話系統 24
3.2 規律性雜訊特徵分析 24
3.3 偵測平台設計 25
3.4 多種雜訊環境中分析ΔPSD值 28
3.5 使用LMS作為濾除雜訊機制 36
3.6 LMS 37
第四章 實驗結果與分析 42
4.1 雜訊對人耳的影響 42
4.2 雜訊消除模型效能分析 43
4.3 雜訊消除實驗分析 45
第五章 結論與未來展望 67
5.1 結論 67
5.2 未來展望 68
參考文獻 69
[1] Norihide Kitaoka and Seiichi Nakagawa "Evaluation of spectral subtraction with smoothing of time direction on the AURORA 2 task", ICSLP-2002, pp.465-468,
[2] J.C. Segura, M.C. Ben´ıtez, A. de la Torre, A.J. Rubio“Feature extraction combining spectral noise reduction and cepstral histogram equalization for robust ASR,” in Proc. ICSLP Denver, CO, Sept. 2002, pp.225-228.
[3] S. Furui, “Cepstral Analysis Techniques for Automatic Speaker Verification,” IEEE Trans. On ASSP, 1981.
[4] A. Viikki and K. Laurila, “Cepstral Domain Segmental Feature Vector Normalization for NoiseRobust Speech Recognition,” Speech Communication, Vol. 25, 1998.
[5] X. Huang, A. Acero and H. Hon, “Spoken Language Processing: A Guide to Theory, Algorithm and System Development,” Prentice Hall PTR Upper Saddle River, NJ, USA, 2001.
[6] ETSI standard document, “Speech Processing, Transmission and Quality Aspects (STQ); Distributed speech recognition; Extended advanced front-end feature extraction algorithm; Compression algorithms; Back-end reconstruction algorithm”, ETSI Standard ES 202 212, Nov.,2003,pp.12-21.
[7] S.F. Boll, “Supperssion of Acoutstic Noise in ASSP, Vol.27, No.2,1979 pp.133-120.
[8] “Non-Linear Transformations of the Feature Space for Robust Speech Recognition”, A´ngel de la Torre, Jose´ C. Segura, Carmen Ben´ıtez, Antonio M. Peinado, Antonio J. Rubio, Dpto. Electr´onica y Tecn. Comp., Universidad de Granada, 18071 GRANADA (Spain), 2002
[9] 林士翔1、葉耀明2、陳柏琳2,統計圖等化法於雜訊語音辨識之進一步研究,1國立台灣師範大學資訊教育研究所、2國立台灣師範大學資訊工程研究所
[10] 呂立一,類神經網路及隱藏式馬可夫理論,中原大學,碩士論文,2003
[11] 魯伯暄,使用基頻資訊之國語分散式語音辨識系統,交通大學,碩士論文,2005,pp. 3-5.
[12] 黃國勛,行動裝置上語音命令辨識之研究,台灣科技大學,碩士論文,2007,pp.9,pp. 20-22
[13] 林士翔1、陳鴻彬2、陳柏琳2,對數能量特徵正規化於語音辨識之進一步研究,1 國立台灣師範大學資訊教育研究所、2 國立台灣師範大學資訊工程研究所
[14] 黎文明,快速傅立葉變換,復和出版社,民國八十年十二月
[15] 王小川,語音訊號處理 全華科技出版社 民國九十三年三月十五日
[16] 黃信德,迴音消除於網路電話系統之研究與分析,台北科技大學,碩士論文,2005,pp.32
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔