非负矩阵分解算法及在语音转换中的应用

发布时间：2017-10-13 09:31

  本文关键词：非负矩阵分解算法及在语音转换中的应用

  更多相关文章： 卷积非负矩阵分解 稀疏约束 板仓-斋藤距离 语音转换 语音可懂度

【摘要】：非负矩阵分解(Non-negative Matrix Factorization, NMF)通过将一个非负矩阵分解为非负系数矩阵和非负基矩阵的乘积将数据表达为非负成分的非负线性组合,从而获得数据的子空间表示或者实现数据降维。相比PCA方法,这种非负表达方式更具有物理意义。作为一种有效的数据处理技术,NMF已广泛应用到语音识别、语音转换、人脸检测及识别、文本分析与聚类、网络安全、数字水印、图像处理、生物医学工程等多项领域中。本文的主要研究内容包括稀疏卷积非负矩阵分解算法以及该算法在语音转换中的应用,具体内容如下：(1)提出基于板仓-斋藤距离和稀疏约束的卷积非负矩阵分解算法。与利用已有的基于欧式距离或者KL散度的NMF方法衡量矩阵分解前后的误差不同,本文利用板仓-斋藤距离作为目标代价函数衡量原始矩阵与重建矩阵之间的误差。板仓-斋藤距离函数具有尺度不变性,这使得待分解的矩阵中较小元素具有较小的重建误差。在增加对系数矩阵的稀疏约束后,本文基于此目标代价函数推导了分解算法的乘性更新规则。语音重建实验结果表明通过该方法重建后的语音具有较高可懂度。(2)利用稀疏约束的卷积非负矩阵分解算法进行语音转换。相比普通的非负矩阵分解,稀疏卷积非负矩阵分解能够刻画数据的时延信息,更适合处理语音这类信号。为此,本文利用卷积非负矩阵分解进行语音转换。在训练阶段,利用上述基于板仓-斋藤距离和稀疏约束的卷积非负矩阵分解算法分别得到源说话人和目标说话人的时频基；在转换阶段,首先将待转换语音在源说话人基矩阵上进行非负矩阵分解,然后利用求得的非负系数矩阵和目标说话人基矩阵进行目标语音重建。实验结果表明：该方法可有效地将源说话人语音转换为目标说话人语音,转换后的语音具有较高的可懂度。
【关键词】：卷积非负矩阵分解 稀疏约束 板仓-斋藤距离 语音转换 语音可懂度
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN912.3
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-18
• 1.1 非负矩阵分解算法的概述8-15
• 1.1.1 非负矩阵分解算法的研究目的和意义8-12
• 1.1.2 非负矩阵分解算法的研究现状12-15
• 1.2 语音转换的常用方法15-16
• 1.3 本文主要研究内容16
• 1.4 本文内容结构16-18
• 第二章 非负矩阵分解基础理论18-28
• 2.1 基本思想18-19
• 2.2 基本算法19-27
• 2.2.1 目标代价函数19-20
• 2.2.2 迭代规则20-21
• 2.2.3 求解结果的性质21-27
• 2.3 NMF算法的迭代终止条件27
• 2.4 本章小结27-28
• 第三章 基于板仓-斋藤距离的稀疏卷积非负矩阵分解算法28-43
• 3.1 引言28-29
• 3.2 算法理论29-33
• 3.2.1 目标代价函数29-31
• 3.2.2 迭代规则31-33
• 3.3 实验仿真及结果分析33-42
• 3.3.1 实验仿真33-41
• 3.3.2 结果分析41-42
• 3.4 本章小结42-43
• 第四章 基于稀疏卷积非负矩阵分解的语音转换43-52
• 4.1 引言43-44
• 4.2 语音转换原理44-45
• 4.3 实验仿真及结果分析45-51
• 4.3.1 实验仿真45-50
• 4.3.2 结果分析50-51
• 4.4 本章小结51-52
• 第五章 总结与展望52-54
• 5.1 本文研究工作及成果52-53
• 5.2 展望53-54
• 参考文献54-60
• 附图60-61
• The appended figures61-62
• 附表62-63
• The appended tables63-64
• 致谢64-65
• 攻读硕士学位期间发表的学术论文目录65

【相似文献】

中国期刊全文数据库 前10条

1 何光辉;张太平;;保持拓扑性非负矩阵分解法在人脸识别的应用[J];计算机工程与应用;2010年14期

2 史加荣;焦李成;尚凡华;;不完全非负矩阵分解的加速算法[J];电子学报;2011年02期

3 王文俊;张军英;;一种非负矩阵分解的快速方法[J];计算机工程与应用;2009年25期

4 张雷鸣;李秋丹;廖胜才;;非负矩阵分解在标签语义分析中的应用[J];计算机科学;2010年04期

5 于彬;;基于局部非负矩阵分解的人脸识别[J];科学技术与工程;2010年33期

6 姜伟;杨炳儒;隋海峰;;局部敏感非负矩阵分解[J];计算机科学;2010年12期

7 宋金歌;杨景;陈平;佘玉梅;;一种非负矩阵分解的快速稀疏算法[J];云南民族大学学报(自然科学版);2011年04期

8 高燕燕;;非负矩阵分解及其应用探讨[J];硅谷;2011年23期

9 郝红;徐常青;张新平;;基于非负矩阵分解的航拍图像信息提取[J];浙江农林大学学报;2012年01期

10 吴荣玉;樊丰;舒建;;基于非负矩阵分解的鲁棒哈希函数验证性研究[J];电子技术应用;2012年01期

中国重要会议论文全文数据库 前10条

1 孙江明;李通化;;非平滑三维非负矩阵分解[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

2 蒋永锴;叶东毅;;基于稀疏非负矩阵分解的自动多文摘方法[A];中国计算机语言学研究前沿进展（2007-2009）[C];2009年

3 马帅;吴飞;杨易;邵健;;基于稀疏非负矩阵分解的图像检索[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【oral】[C];2011年

4 徐利民;龚珊;余再军;;奇异值分解与非负矩阵分解色在数据降维方面的特性分析[A];2010年通信理论与信号处理学术年会论文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非负矩阵分解和支持向量机的轴心轨迹图识别[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年

6 蒋霈霖;;KL散度下的非负矩阵分解[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年

8 钱乐乐;高隽;徐小红;;非负性约束的图像稀疏编码[A];第七届全国信息获取与处理学术会议论文集[C];2009年

9 朱昊;黄源水;付梦印;;基于NMF的道路识别算法在野外环境感知中的应用[A];第九届全国光电技术学术交流会论文集（下册）[C];2010年

10 郑能恒;蔡毅;李霞;Tan Lee;;基于非负矩阵分解和向量相似测度的语音与音乐分离算法[A];第十一届全国人机语音通讯学术会议论文集（一）[C];2011年

中国博士学位论文全文数据库 前8条

1 杨士准;基于样本和特征的迁移学习方法及应用[D];国防科学技术大学;2013年

2 叶军;基于正则化方法的非负矩阵分解算法及其应用研究[D];南京理工大学;2014年

3 胡俐蕊;非负矩阵分解方法及其在选票图像识别中的应用[D];安徽大学;2013年

4 殷海青;图像分析中的非负矩阵分解理论及其最优化和正则化方法研究[D];西安电子科技大学;2011年

5 杨洪礼;非负矩阵与张量分解及其应用[D];山东科技大学;2011年

6 史加荣;多尺度张量逼近及应用[D];西安电子科技大学;2012年

7 方蔚涛;人脸识别特征抽取算法的研究[D];重庆大学;2012年

8 刘昱昊;基于非负矩阵分解算法的人脸识别技术的研究[D];吉林大学;2014年

中国硕士学位论文全文数据库 前10条

1 谢昊;非负矩阵分解初始化及其应用[D];暨南大学;2015年

2 王一;凸与半非负矩阵分解的近点梯度方法研究[D];东北师范大学;2015年

3 项磊;基于乳腺癌计算机辅助诊断的病理图像分析[D];南京信息工程大学;2015年

4 王丹;基于非负矩阵分解的脑电信号特征提取算法研究[D];燕山大学;2015年

5 马春霞;非负矩阵分解及在基因表达数据分析中的应用研究[D];曲阜师范大学;2015年

6 崔艳荣;基于非负矩阵分解的高光谱遥感数据融合方法分析及应用[D];电子科技大学;2014年

7 赖淑珍;非负矩阵分解若干算法研究与应用[D];电子科技大学;2014年

8 赵龙;基于多流形正则化非负矩阵分解的多视图聚类[D];大连理工大学;2015年

9 黄震;基于多视角非负矩阵分解的同名区分算法研究[D];大连理工大学;2015年

10 邵强;改进的非负矩阵分解算法及其在人脸识别中的应用[D];河北工业大学;2015年

，

本文编号：1024112