تخمین SNR ورودی با استفاده از ماسک باینری در سیستم های مبتنی بر آنالیز ترکیب شنیداری محاسباتی

در این مقاله، روش جدیدی برای تخمین نسبت سیگنال به نویز (SNR) سیگنال ترکیب ارایه شده است که بر پایه روش آنالیز ترکیب شنیداری محاسباتی (CASA) است. در روش ارایهشده، ماسک باینری ایده آل (IBM) که به طور معمول هدف محاسباتی سیستم های مبتنی بر CASA است، برای تخمین SNR سیگنال گفتار نویزی به کار گرفته می شود. روش پیشنهادی با استفاده از IBM و چندین ماسک شبه IBM ارزیابی شده است. این روش، ساده و از نظر محاسباتی کارآمد است. ارزیابی های اصولی نشان می دهند که روش پیشنهادی، در محدوده وسیعی از مقادیر SNR، تخمین قابل قبولی از سطح SNR ورودی ارایه میدهد و خطاهای احتمالی در تخمین IBM عملکرد سیستم پیشنهادی را چندان تحتتاثیر قرار نمی دهد. نتایج شبیه سازی ها همچنین نشان میدهند که سیستم پیشنهادی عملکردی بهتری را نسبت به روشهای قبلی تخمین SNR دارد.

کلیدواژه ها:

تخمین SNR ، نسبت سیگنال به نویز ، آنالیز ترکیب شنیداری محاسباتی (CASA) ، ماسک باینری ایده آل (IBM)