版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著科技的發(fā)展,手持錄音設(shè)備用戶數(shù)量迅速增長,在生活場景下錄制音樂變得越來越普遍。因此越來越多的公司提供生活場景下的音樂識別等服務(wù)。然而在生活場景中,錄音環(huán)境中經(jīng)常存在歡呼聲、說話聲、汽車鳴笛聲等噪聲。這些非純凈音樂片段的檢索的問題亟待解決。為了滿足人們獲取音樂詳細(xì)信息的需求,這一問題的解決備受關(guān)注。目前,對于上述系統(tǒng)的實現(xiàn),面對的關(guān)鍵問題是生活當(dāng)中各種各樣的噪聲。
為提高生活場景下錄制音樂的質(zhì)量,將音樂信號低秩特征應(yīng)用到音樂
2、降噪領(lǐng)域,提出基于魯棒主成分分析的降噪方法,為生活場景下大噪聲的降噪問題提供了一個新思路。首先基于獨(dú)奏音樂的低秩特征,對音樂信號進(jìn)行噪聲位置檢測的預(yù)處理。噪聲位置檢測的標(biāo)準(zhǔn)是音樂信號的秩,當(dāng)秩遠(yuǎn)遠(yuǎn)大于純凈獨(dú)奏音樂的秩時則視為含噪音樂。然后,將魯棒主成分分析首次應(yīng)用于音樂降噪領(lǐng)域,并與小波降噪和獨(dú)立主成分分析降噪進(jìn)行對比實驗。其中,選擇增廣拉格朗日乘子法解決魯棒主成分分析的優(yōu)化問題,引入信噪比和音頻感知的客觀評價標(biāo)準(zhǔn)作為對比實驗的評價指標(biāo)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 改進(jìn)的魯棒主成分分析模型及其應(yīng)用.pdf
- 魯棒主成分分析的算法研究及其應(yīng)用.pdf
- 基于形態(tài)學(xué)與魯棒主成分分析的紅外小目標(biāo)檢測.pdf
- 基于魯棒非負(fù)主成分分析的網(wǎng)絡(luò)坐標(biāo)系統(tǒng)技術(shù)研究.pdf
- 求解魯棒主成分分析的非單調(diào)步長交替最小化算法.pdf
- 基于魯棒主成分分析的低秩矩陣恢復(fù)算法及其應(yīng)用研究.pdf
- 基于主成分分析的半局部塊匹配圖像降噪算法研究.pdf
- 魯棒主成分分析的優(yōu)化模型及其在計算機(jī)視覺中的應(yīng)用.pdf
- matlab主成分分析
- 主成分分析案例
- 基于主成分分析的顧客資產(chǎn)評估.pdf
- 基于主成分分析的入侵檢測方法.pdf
- 主成分分析實例
- (10)主成分分析.pdf
- 主成分分析與二維主成分分析之比較研究.pdf
- 基于主成分分析的人臉識別.pdf
- 基于主成分分析的綜合評價研究.pdf
- 基于模糊點(diǎn)數(shù)據(jù)的主成分分析.pdf
- 主成分分析訓(xùn)練題
- 基于主成分分析的結(jié)構(gòu)損作識別.pdf
評論
0/150
提交評論