{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2024,4,13]]，“日期时间”：“2024-04-13T05:12:18Z”，“时间戳”：1712985138641}，“引用计数”：25，“发布者”：“工程与技术发布”，“内容域”：{“域”：[]，“交叉标记限制”：false}，”短容器时间“：[”jcm“]，“published-print”：{“date-parts”：[[2020]]}，“abstract”：“语音分离在语音相关系统中起着重要的作用，因为它可以对语音信号进行去噪、提取和增强，并最终提高系统的准确性和性能。近年来，许多方法只能将语音从常见的高频噪声或特定的背景声音中分离出来。我们提出了一种更强大的方法，结合自动编码器和带通滤波器来分离语音信号。这种组合不仅可以提取高频噪声中的语音，还可以提取多种不同背景声音中的语音。我们的方法可以灵活地应用于新的背景声音。实验结果表明，该模型能够快速有效地提取SIR中9.01dB、SDR中11.26dB的语音信号。另一方面，我们可以调整通带，以确定输出信号的频率范围，以适用于特定应用<\/jats:p>“，”DOI“：”10.12720\/jcm.15.11.841-848“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,12,29]]，”date-time“：”2020-12-29T07:30:16Z“，”timestamp“：1609227016000}，”page“：“841-848”，“source”：“Crossref”，“is-referenced-by-count”：8，“title”：[“带自动编码器的频域中的语音分离”]，“前缀”：“10.12720”，“作者”：[{“给定”：”Hao D.“，”family“：”Do“，”sequence“：”first“，”affiliation“：[]}，”{“name”：“越南胡志明市科学大学”，“sequence”：“first”，“affiliance”：[]{“given”：“Son T.”，“family”：“Tran”，“序列”：“additional”，“filiation”：[]}，“givent”：“Duc T.”、“famile”：“Chau”，“sequence”:“additionable”，“feliation”:[]}]，“member”：“499 77“，”在线发布“：{”date-parts“：[2020]]}，“reference”：[{“key”：“ref0”，“doi-asserted-by”：“publisher”，“unstructured”：“[1]N.Yang，M.Usman，X.J.He，M.A.Jan，and L.M.Zhang，“时间频率滤波器组：音频和音乐分离的简单方法”，IEEE Access，第5卷，第27114-27125页，2017年doi-asserted-by“：”publisher“，”unstructured“：”[2]Y.Xie，K.Xie、Z.Wu和S.Xie“基于K-means聚类的混合语音的欠定盲源分离”，Proc。中国控制会议（CCC），中国广州，2019年，第42-46页。“，“DOI”：“10.23919\/ChiCC.2019.8865385”}，{“key”：“ref2”，“DOI-asserted-by”：“publisher”，“unstructured”：“[3]B.Peng，W.Liu，and D.P.Mandic，“应用于子带盲源分离的过采样广义离散傅里叶变换滤波器组设计”IET信号处理。，第7卷，第9期，第843-853页，2013年ref4“，”doi-asserted-by“：”publisher“，”unstructured“：”[5]S.H.Sardouie，M.B.Shamsollahi，L.Albera，and I.Merlet“基于时频先验的半盲源分离方法对发作性脑电数据的去噪”，IEEE J.Biomed。健康通知。，第19卷，第3期，第839-847页，2015年5月。“，“DOI”：“10.1109\/JBHI.2014.2336797”}，{“key”：“ref5”，“DOI-asserted-by”：“publisher”，“unstructured”：“[6]B.Rift，“多模数据源分离：基于协方差矩阵约束联合块分解的二阶方法，”IEEE信号处理。莱特。，第22卷，第6期，第681-685页，2015年6月10.1049 \/el.2014.2616“}，{“key”：“ref7”，“doi-asserted-by”：“publisher”，“unstructured”：“[8]G.S.Fu，R.Phlypo，M.Anderson，X.L.Li，and T.Adal \u0131，“基于熵率最小化的盲源分离”，IEEE Trans.Signal Process，第62卷，第16期，第4245-4255页，2014年8月publisher“，”unstructured“：”[9]J.Hofmanis，O.Caspary，V.Louis-Dorr，R.Ranta，and L.Maillard，“DBS期间使用滤波和子空间分解去除深度脑电信号的噪声”，IEEE Trans。生物识别。Eng.，第60卷，第10期，第2686-2695页，2013年10月。“，“DOI”：“10.1109\/TBME.2013.2262212”}，{“key”：“ref9”，“DOI-asserted-by”：“publisher”，“unstructured”：“[10]O.Tich\u00fd和V.\u0160m\u00eddl，“使用稀疏先验的动态图像序列的贝叶斯盲分离和反褶积，”IEEE Trans.Med。图像。，第34卷，第1期，第258-266页，2015年1月。“，“DOI”：“10.1109\/TMI.2014.2352791”}，{“key”：“ref10”，“DOI-asserted-by”：“publisher”，“unstructured”：“[11]J.Nikunen和T.Virtanen，“基于到达方向的盲声源分离空间协方差模型，”IEEE\/ACM传输。《音频、语音、语言处理》，第22卷，第3期，第727-739页，2014年3月。“，“DOI”：“10.1109\/TASLP.2014.2303576”}，{“key”：“ref11”，“DOI-asserted-by”：“publisher”，“unstructured”：“[12]B.Liu，V.G.Reju，A.W.H.Khong，和V.V.Reddy，“盲源分离中残余串扰抑制的GMM后滤器，”IEEE信号处理。莱特。，第21卷，第8期，第942-946页，2014年8月。“，“DOI”：“10.1109\/LSP.2014.2317761”}，{“key”：“ref12”，“DOI-asserted-by”：“publisher”，“unstructured”：“[13]B.Liu，V.G.Reju，and A.W.H.Khong，“一种不稀疏的不相关AR模型信号欠定混合的线性源恢复方法，”IEEE传输。信号处理，第62卷，第19期，第4947-49582014年10月IEEE传输。信号处理，第62卷，第24期，第6521-6533页，2014年12月IEEE传输。仪器。测量。，第64卷，第1期，第103-111页，2015年1月。“，“DOI”：“10.1109\/TIM.2014.2331429”}，{“key”：“ref15”，“DOI-asserted-by”：“publisher”，“unstructured”：“[16]G.Okopal，S.Wisdom，and L.Atlas，“带强不相关变换的语音分析”，IEEE\/ACM Trans.Audio，Speech，Language Process，vol.23，no.11，pp.1858-1868，November 2015”，“DOI:”10.1109 \/TASLP.2015.246426“}，{“key”：“ref16”，“doi-asserted-by”：“publisher”，“unstructured”：“[17]J.L.Roux和E.Vincent，“用于音频源分离的一致wiener滤波”，IEEE Signal Process.Lett.，第20卷，第3期，第217-220页，2013年3月[18] Y.G.Jin、J.W.Shin和N.S.Kim，“短时傅里叶变换域中多通道语音增强的光谱-时间滤波”，IEEE信号处理。莱特。，第21卷，第3期，第352-355页，2014年3月。“，“DOI”：“10.1109\/LSP.2014.2302897”}，{“key”：“ref18”，“DOI-asserted-by”：“publisher”，“unstructured”：“[19]R.E.Turner和M.Sahani，“作为概率推断的时频分析，”IEEE Trans.Signal Process，第62卷，第23期，第6171-6183页，2014.12月。“doi-asserted-by“：”publisher“，”unstructured“：”[20]L.Stankovic，S.Stankovi，and M.Dakovic“从STFT到Wigner分布[课堂讲稿]，”IEEE信号处理。Mag.，第31卷，第3期，第163-174页，2014年5月。“，“DOI”：“10.1109\/MSP.2014.2301791”}，{“key”：“ref20”，“DOI-asserted-by”：“publisher”，“unstructured”：“[21]V.K.Mai，D.Pastor，A.A\u00efssa-El-Bey，and R.Le-Bidan，“语音增强非平稳噪声功率谱的稳健估计，”IEEE\/ACM传输。音频，语音，语言处理，第23卷，第4期，第670-682页，2015年4月10.1109 \/LSP.2015.2463093“}，{“key”：“ref22”，“unstructured”：“[23]R.B.Blackman和J.W.Tukey，《从通信工程的角度测量功率谱》，多佛出版社，1959年。”。Quatieri，《离散时间语音信号处理：原理与实践》，普伦蒂斯·霍尔出版社，2001年。“}，{“key”：“ref24”，“doi-asserted-by”：“publisher”，“unstructured”：“[25]E.Vincent，R.Gribonval，and C.F\u00e9votte，“盲声源分离中的性能测量”IEEE音频、语音和语言处理汇刊，电气与电子工程师学会，第14卷，第4期，第1462-1469页，2006年“，“DOI”：“10.1109\/TSA.2005.858005”}]，“container-title”：[“通讯杂志”]，“original-title“：[]，”link“：[{”URL“：”http://www.jocm.us\/uploadfile\/2020\/1013\/20201013060720285.pdf“，”content-type“：”unspecified“，”content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2021,11,24]]，”date-time“：“2021-11-24T07:51:31Z”，“timestamp”：1637740291000}，“score”：1，“resource”：{“primary”:{“URL”：“http://www.jocm.us\/show-246-1613-1.html”}，”subtitle“：[]，”shorttitle“：[]，“发布”：{“日期-部分”：[2020]]}，“references-count”：25，“URL”：“http://\/dx.doi.org\/10.12720\/jcm.15.11.841-848”，“关系”：{}，“ISSN”：[“1796-2021”]，“ISSN-type”：[{“值”：“1796-20201”，“类型”：“打印”}]，“主题”：[]，“发布”：{“日期部分”：[[2020]]}}}}