典型文献
基于语音能量比的解决频域ICA次序不确定性问题的算法
文献摘要：
随着人工智能物联网(artificial intelligence&internet of things,AIoT)的发展,硬件技术的飞速进步,更多的智能音箱进入人们的生活,人机交互方式也从早期的遥控变成了人声控制.但设备中麦克风采集到的语音信号往往含有大量噪声和干扰人声,为此需对麦克风采集到的语音进行语音分离处理.常用的技术有频域独立成分分析(independent component analysis,ICA),但是频域ICA存在次序不确定性问题,即将分离出的源1分量分类到源2通道,将分离出的源2分量分类到源1通道,从而导致分离性能大大降低.为此,提出一种基于语音能量比来解决频域ICA中次序不确定性问题的算法,有效地提高了分离性能.在 SiSEC(Signal Separation Evaluation Campaign)、ChiME(Challenge for Computational Hearing in Multisoure Environments)数据集上对分离性能进行实验,所得结果比已有算法均有提升,且针对强混响环境下的混合信号依然保持良好的分离性能.
文献关键词：
盲源分离;语音分离;频域独立成分分析;次序不确定性;能量比
中图分类号：
作者姓名：
王志强;王涛;金志文
作者机构：
上海大学通信与信息工程学院,上海200444;中国人民解放军93216部队,北京100085
文献出处：
引用格式：
[1]王志强;王涛;金志文-.基于语音能量比的解决频域ICA次序不确定性问题的算法)[J].上海大学学报（自然科学版）,2022(02):226-237
A类：
次序不确定性,频域独立成分分析,SiSEC,ChiME,Multisoure
B类：
能量比,ICA,人工智能物联网,artificial,intelligence,internet,things,AIoT,智能音箱,人机交互,交互方式,从早,遥控,控变,人声,声控,麦克风,风采,语音信号,扰人,语音分离,分离处理,independent,component,analysis,分离性能,大大降低,比来,Signal,Separation,Evaluation,Campaign,Challenge,Computational,Hearing,Environments,混响,保持良好,盲源分离
AB值：
0.359419
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
