ارایه یک روش جدید برای جداسازی گفتار از پس زمینه موسیقی مبتنی بر ضرایب موجک گسسته و شبکه عصبی نگاشت خود سازمانده

مساله جداسازی گفتار از پس زمینه موسیقی، یک مساله جذاب ولی مشکل و چالش برانگیز می باشد. بدلیل اینکه اطلاعات محدودی در سیگنال ترکیب شده از موسیقی و گفتار وجود دارد. در این مقاله، ما از تبدیل موجک گسسته برای نمایش اطلاعات زمان - فرکانس سیگنال ترکیبی استفاده کردیم. در روش پیشنهادی، بعد از بدست آوردن انرژی ضرایب موجک گسسته در سطوح تجزیه شده، با استفاده از شبکه عصبی SOM، به خوشه بندی آنها پرداختیم. توانایی پیشنهادی، با استفاده از نتایج MOS و SDR تایید می شود.

کلیدواژه ها:

جداسازی موسیقی و گفتار ، موجک ، شبکه عصبی