جداسازی سیگنال های گفتار و موسیقی با بکارگیری الگوریتم جداسازی کور منابع
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در سیگنال های موسیقی واقعی چندین منبع صدا مثل یک صدای خواننده و ابزار آلات موسیقی با هم ترکیب شده اند. روش های مختلفی برای شبیه سازی و آنالیز آماری سیگنال موسیقی و صدا وجود دارد. هدف جداسازی در واقع یافتن یک نمایش پارامتریک برای سیگنال صدا و موسیقی است. می دانیم در یک سیگنال موسی
سیستم های رتیکلی، یک روش کلاسیک برای تخمین موقعیت هدف هستند و به طور گسترده ای در جستجوگرهای فروسرخ مورد استفاده قرار می گیرند. بزرگترین عیب جستجوگرهای رتیکلی، حساسیت آنها به اقدامات متقابل فروسرخ مانند فلیرها است. برای حل این مشکل روشهای مختلفی ارائه شده است که شامل روش جداسازی
امروزه نیاز به ارسال داده با سرعت بالا در سیستم های مخابراتی بی سیم در حال افزایش است. با توجه به مزایایی که تکنیک مدولاسیون ofdm دارد، به خوبی می تواند در راستای نیل به این هدف به کار برده شود. در کنار مزایایی که ofdm در اختیار قرار می دهد، معایب و مشکلاتی نیز وجود دارد که از مه
در این مقاله کاربرد یکی از الگوریتمهای تجزیه به مؤلفههای مستقل (ICAA) در جداسازی ترکیبهای لحظهای سیگنالهای گفتار و موسیقی مورد بحث قرار میگیرد. الگوریتم جداساز در حوزۀ زمان بوده و برای مینیممسازی اطلاعات متقابل به تخمین تابع رتبه نیاز دارد. برای تخمین تابع رتبه نمونههایی
استخراج الکتروکاردیوگرام جنین (fecg) از سیگنال های الکتریکی ثبت شده به وسیله الکترودهای قرار داده شده بر روی بدن مادر با توجه به اهمیتی که برای بررسی سلامت جنین دارد، از مسائل مطرح در مهندسی پزشکی و پردازش سیگنال های حیاتی است و بنابراین روش جداسازی کور منابع سیگنال که در آن لازم
استخراج الکتروکاردیوگرام جنین (FECG) از سیگنال های الکتریکی ثبت شده به وسیله الکترودهای قرار داده شده بر روی بدن مادر با توجه به اهمیتی که برای بررسی سلامت جنین دارد، از مسائل مطرح در مهندسی پزشکی و پردازش سیگنال های حیاتی است و بنابراین روش جداسازی کور منابع سیگنال که در آن لازم
در این مقاله، یک مسئله ی جدید برای جداسازی سیگنال منابع گفتار به روش کور در نظر گرفته می شود که در آن تعداد منابع فعّال و مشخّصات آن ها، متغیر با زمان است؛ برخلاف روش های قبلی که تمام منابع در تمام بازه های زمانی فعّال هستند. در این مقاله برای جداسازی این نوع سیگنال ها الگوریتم ج
آنالیز مولفه های مستقل و استفاده از آن در حل مسئله جداسازی کور سیگنال های منبع یکی از مهم ترین مسائلی است که در دهه ی اخیر توجه زیادی از محققین شاخه های مختلف علوم مهندسی را به خود جلب کرده است. در این آنالیز خواص آماری مراتب بالا برای جداسازی کور سیگنال ها به کار گرفته می شود. د
در این مقاله برای جداسازی کور منابع گفتار کانولوتیو، یک روش ماسک زمان- فرکانس بر اساس مفهوم زاویه هرمیشن ارائه شده است. زاویه هرمیشن بین بردار ترکیب (خروجی میکروفون ها) و بردار مرجع محاسبه می شود. در این مقاله ابتدا دو بردار مرجع مختلف برای محاسبه دو زاویه هرمیشن متفاوت فرض شده،