15000 تومان
افزودن به سبد خرید
0 فروش 119 بازدید
جزئیات محصول
تعداد قسمت: 1
پسوند فایل: zip
حجم فایل: 1MB
فایل راهنما: ندارد
بسته نصبی: ندارد
امکانات: شامل فایل pdf مقاله لاتین و فایل word ترجمه فارسی (13 صفحه)
تاریخ انتشار: 04 ژانویه 2019
دسته بندی: ,

تبلیغات

بهینه سازی تطابقی نویز با (استفاده از) ارزش دهی اولیه ماتریس به منظور آنالیز مولفه های مستقل فرکانس دامنه

ارزش دهی یک ماتریس (غیر مختلط) مسئله مهمی در جداسازی منابع است، زیرا عمل مورد نظری قرار است بهینه شود که نوعاً غیر محدب است. در این مقاله، ما مشکل (دو منبعی)جداسازی بوسیله ی سیگنال را از یک قطعه دو میکروفونی نصب شده روی یک دستگاه تلفن همراه در نظر می گیریم جائیکه یک منبع نقطه مثل یک سیگنال Speech در جلوی این قطعه تعبیه شده است. در حالیکه هیچگونه اطلاعاتی در مورد دخالت سیگنال دیگری در دسترس نیست. ما یک شیوه ساده و حساب شده کارآمد برای تخمین هندسه و نوع منبع (یک نقطه یا پراکنده) بوسیله ی تداخل سیگنال را پیشنهاد می دهیم. که اجازه می دهد تا که به صورت توافقی یک طرح اولیه ارزش دهی اولیه ماتریس غیر مختلط مناسب را انتخاب نمائیم.

روش پیشنهادی ما یعنی: بهینه سازی تطابقی نویز با استفاده از مقدار دهی اولیه ماتریس (NAOMI) مشخص شده است به نظر می رسد که از طریق جدا سازی منبع شیوه، موثری می باشد.

کلید واژه ها:دستگاه تلفن همراه جدا از منبع، اتصالات کوواریانس، طبقه بندی نوع منبع، تحلیل حوزه دامنه – فرکانس مستقل

مقدمه 

اجرای بلودرنگ FDICA [3-1] در تجهیزات موبایل اخیراً توجه بسیاری را در زمینه صنایع شنیداری بدلیل داشتن کاربردهای مختلف بالقوه اش از قبیل (بالا بردن سطح گفتار و تفکیک بلندگو) به خود جلب نموده است [۶-۴]. به هر حال چونکه محیط های اطراف ما، موقعیت های منابع و میزان ترکیب منابع در کاربردهای تجهیزات موبایل مدام تغییر می کند. دستیابی به عملکرد مطلوب در محیط های دنیای واقعی بسیار چالش برانگیز است. بسیاری از شیوه های موثر در جهت بهبود عملکرد FDICA ارائه شده اند [۷] با به کارگیری دانش مربوط به فضا و هندسه حسی، و اطلاعات هندسی منابع صوتی [۱-۸-۲] و مدل پیشرفته سابق (قبلی) [۱۲] سیگنال های گفتاری، مولفه های وابسته به فرکانس بالاتر [۱۴-۱۳] و پردازش بعدی با کاهش ویژه متغیر [۱۵] بهرحال این شیوه ها به طور ضمنی در برگیرنده دانش هندسه منابع صوتی و نوعی منبع می باشند (یک منبع متمرکز یا پراکنده و غیر) و بنابراین آنها فقط در موارد خاص معتبرند. به علاوه چونکه تابع ارزشی نوعاً غیر محدب است. بنابراین FDICA تضمینی ندارد که با راه حل بهینه جهانی همگرا باشد.

وقتی که ماتریس غیر مختلط اولیه اشتباه انتخاب شده باشد [۱۷-۱۶-۳] بنابراین ارزش دهی اولیه ماتریس غیر مختلط یک عامل کلیدی است برای اجرای موفقیت آمیز FDICA در تجهیزات تلفن همراه یک تکنیک ارزش دهی اولیه ماتریس مختلط محبوب با ترکیبی است از تاخیر و مقدار (Ds) و (NBF) [17-16-3] که بدیهی است برای مشکل تغییر FDICA بزرگ باشد. [۳] به هر حال ارزش دهی اولیه براساس تشکیل پرتو تا حد زیادی به هندسه منبع صوتی بستگی دارد و نیرو به نوع منبع.

بنابراین ارزش دهی اولیه براساس تشکیل پرتو خودش برای استفاده یا کاربرد موبایل بدون یک تخمین زننده منطقی هندسه منبع و نوع منبع – مناسب نیست. در این مقاله الگوریتمی را ارائه می دهیم که NAOMI نامیده می شود و برای برآورد هندسه و نوع منبع به کار می رود. ما مشکل جدا سازی دو منبع را از یک قطعه دو میکروفونه در نظر می گیریم که با به کارگیری FDICA با منبع دخیل دیگر را باید تفکیک نمود و یا حذف کرد. منبع دخیل دیگر با منبع نقطه ای (متمرکز) دیگری است که به طور مستقیم در جلوی میکروفونها قرار ندارد (مثلاً یک سیگنال گفتاری که قرار نیست توسط میکروفونها گرفته شود) و یا یک منبع پراکنده (انتشار) (مثلاً یک موسیقی پس زمینه با صدای بلند یا سروصدای موتور هواپیما) برای شناسایی نوع منبع دخیل اول جهت (مسیر) و روی آن را حدس می زنیم (DOA) که در هر محفظه فرکانس با استفاده از اتصالات کوواریانس انجام می شود و بعد به کمک واریانس DOA های برآورد شده منبع دخیل (تاثیر گذار) را طبقه بندی میکنیم که بعد از آن ماتریس غیر مختلط اولیه براساس نوع منبع برآورد شده انتخاب می شود – اثر بخشی روش پیشنهادی برای رفع نویز گفتار بوسیله شبیه سازی تفکیک منابع ارزیابی می شود.

Noise adaptive optimization of matrix initialization for frequency-domain independent component analysis

Abstract

Initializing an unmixing matrix is an important problem in source separation since an objective function to be optimized is typically non-convex. In this paper, we consider the problem of two-source signal separation from a two-microphone array located on a mobile device, where a point source such as a speech signal is placed in front of the array, while no information is available about another interference signal. We propose a simple and computationally efficient method for estimating the geometry and source type (a point or diffuse) of the interference signal, which allows us to adaptively choose a suitable unmixing matrix initialization scheme. Our proposed method, noise adaptive optimization of matrix initialization (NAOMI), is shown to be effective through source separation simulations.

 

لینک مقاله اصلی:

https://www.sciencedirect.com/science/article/pii/S1051200412001868

افزودن به سبد خرید

لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد

محصولات پر فروش

پر فروش ترین محصولات فروشگاه روکساوب