,

مقاله انتخاب زیر مجموعه میکروفون برای الگوریتم خطای پیش بینی وزنی با استفاده از جریمه پراکندگی گروهی

249,950 تومان

انتخاب پلن

torobpay
هر قسط با ترب‌پی: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
عنوان مقاله به انگلیسی Microphone Subset Selection for the Weighted Prediction Error Algorithm using a Group Sparsity Penalty
عنوان مقاله به فارسی مقاله انتخاب زیر مجموعه میکروفون برای الگوریتم خطای پیش بینی وزنی با استفاده از مجازات پراکندگی گروهی
نویسندگان Anselm Lohmann, Toon van Waterschoot, Joerg Bitzer, Simon Doclo
زبان مقاله انگلیسی
فرمت مقاله: PDF
تعداد صفحات 5
دسته بندی موضوعات Audio and Speech Processing,پردازش صوتی و گفتار ,
توضیحات Submitted 16 January, 2024; originally announced January 2024.
توضیحات به فارسی 16 ژانویه 2024 ارسال شد.در ابتدا ژانویه 2024 اعلام شد.

چکیده

Reverberation can severely degrade the quality of speech signals recorded using microphones in an enclosure. In acoustic sensor networks with spatially distributed microphones, a similar dereverberation performance may be achieved using only a subset of all available microphones. Using the popular convex relaxation method, in this paper we propose to perform microphone subset selection for the weighted prediction error (WPE) multi-channel dereverberation algorithm by introducing a group sparsity penalty on the prediction filter coefficients. The resulting problem is shown to be solved efficiently using the accelerated proximal gradient algorithm. Experimental evaluation using measured impulse responses shows that the performance of the proposed method is close to the optimal performance obtained by exhaustive search, both for frequency-dependent as well as frequency-independent microphone subset selection. Furthermore, the performance using only a few microphones for frequency-independent microphone subset selection is only marginally worse than using all available microphones.

چکیده به فارسی (ترجمه ماشینی)

Reverberation می تواند به شدت کیفیت سیگنال های گفتار ضبط شده با استفاده از میکروفون ها را در یک محفظه تخریب کند.در شبکه های سنسور آکوستیک با میکروفن های توزیع شده فضایی ، ممکن است عملکرد مشابهی با استفاده از تنها زیر مجموعه ای از میکروفن های موجود حاصل شود.با استفاده از روش آرامش بخش محدب محبوب ، در این مقاله پیشنهاد می کنیم انتخاب زیر مجموعه میکروفون را برای الگوریتم Dereverberation چند کانال پیش بینی وزنی (WPE) با معرفی یک مجازات پراکندگی گروه بر روی ضرایب فیلتر پیش بینی انجام دهیم.مشکل حاصل با استفاده از الگوریتم شیب پروگزیمال شتاب نشان داده می شود.ارزیابی تجربی با استفاده از پاسخ های ضربه ای اندازه گیری شده نشان می دهد که عملکرد روش پیشنهادی نزدیک به عملکرد بهینه به دست آمده توسط جستجوی جامع است ، هم برای انتخاب زیر مجموعه میکروفون وابسته به فرکانس و هم وابسته به فرکانس.علاوه بر این ، عملکرد تنها با استفاده از چند میکروفن برای انتخاب زیر مجموعه میکروفون مستقل از فرکانس ، فقط از نظر حاشیه ای از همه میکروفن های موجود بدتر است.


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “مقاله انتخاب زیر مجموعه میکروفون برای الگوریتم خطای پیش بینی وزنی با استفاده از جریمه پراکندگی گروهی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا