دانلود مقاله ISI انگلیسی شماره 53050
عنوان فارسی مقاله

فیلتر کالمن مبتنی بر شبکه عصبی عود پایین بعدی برای تقویت گفتار

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
53050 2015 9 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Low-dimensional recurrent neural network-based Kalman filter for speech enhancement ☆
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Neural Networks, Volume 67, July 2015, Pages 131–139

کلمات کلیدی
شبکه های عصبی راجعه - گفتار - نویز غیر گوسی؛ برآورد نویز محدود
پیش نمایش مقاله
پیش نمایش مقاله فیلتر کالمن مبتنی بر شبکه عصبی عود پایین بعدی برای تقویت گفتار

چکیده انگلیسی

This paper proposes a new recurrent neural network-based Kalman filter for speech enhancement, based on a noise-constrained least squares estimate. The parameters of speech signal modeled as autoregressive process are first estimated by using the proposed recurrent neural network and the speech signal is then recovered from Kalman filtering. The proposed recurrent neural network is globally asymptomatically stable to the noise-constrained estimate. Because the noise-constrained estimate has a robust performance against non-Gaussian noise, the proposed recurrent neural network-based speech enhancement algorithm can minimize the estimation error of Kalman filter parameters in non-Gaussian noise. Furthermore, having a low-dimensional model feature, the proposed neural network-based speech enhancement algorithm has a much faster speed than two existing recurrent neural networks-based speech enhancement algorithms. Simulation results show that the proposed recurrent neural network-based speech enhancement algorithm can produce a good performance with fast computation and noise reduction.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.