Speech Enhancement Using Kernel Recursive Least-Squares Method
محل انتشار: بیستمین کنفرانس مهندسی برق ایران
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,370
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICEE20_397
تاریخ نمایه سازی: 14 مرداد 1391
چکیده مقاله:
In this paper, we propose a new speech enhancement structure based on kernel recursive least squares adaptive filtering. The combination of the famed kernel trick andrecursive least squares (RLS) algorithm yields powerful nonlinear extensions, named collectively here as KRLS. This method improves the adaptive filtering performance innonlinear adaptive filtering scenarios. We compare the performance of this kernel based algorithm in the area of dualchannelspeech enhancement with other linear adaptive filtering techniques. Experimental results show that the proposed enhancement structure has better performance in a sense of mean-squares error (MSE) and speech quality improvement than the those based on standard LMS, Normalized LMS, Affine projection, and conventional RLS algorithms
کلیدواژه ها:
Speech Enhancement ، Linear Adaptive Filtering ، Reproducing Kernel Hilbert Spaces ، KernelMethods ، Kernel Adaptive Filtering
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :