Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | UNEMAT - Mato Grosso State University | - |
Autor(es): dc.contributor | Universidade Estadual de Mato Grosso do Sul (UEMS) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Abreu, Caio Cesar Enside de | - |
Autor(es): dc.creator | Duarte, Marco Aparecido Queiroz | - |
Autor(es): dc.creator | Oliveira, Bruno Rodrigues de [UNESP] | - |
Autor(es): dc.creator | Filho, Jozue Vieira [UNESP] | - |
Autor(es): dc.creator | Villarreal, Francisco [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:53:17Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:53:17Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2020-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1142/S021947752150022X | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/208384 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/208384 | - |
Descrição: dc.description | Speech processing systems are very important in different applications involving speech and voice quality such as automatic speech recognition, forensic phonetics and speech enhancement, among others. In most of them, the acoustic environmental noise is added to the original signal, decreasing the signal-to-noise ratio (SNR) and the speech quality by consequence. Therefore, estimating noise is one of the most important steps in speech processing whether to reduce it before processing or to design robust algorithms. In this paper, a new approach to estimate noise from speech signals is presented and its effectiveness is tested in the speech enhancement context. For this purpose, partial least squares (PLS) regression is used to model the acoustic environment (AE) and a Wiener filter based on a priori SNR estimation is implemented to evaluate the proposed approach. Six noise types are used to create seven acoustically modeled noises. The basic idea is to consider the AE model to identify the noise type and estimate its power to be used in a speech processing system. Speech signals processed using the proposed method and classical noise estimators are evaluated through objective measures. Results show that the proposed method produces better speech quality than state-of-the-art noise estimators, enabling it to be used in real-time applications in the field of robotic, telecommunications and acoustic analysis. | - |
Descrição: dc.description | Department of Computing UNEMAT - Mato Grosso State University | - |
Descrição: dc.description | Department of Mathematics UEMS - Mato Grosso do Sul State University | - |
Descrição: dc.description | Department of Electrical Engineering UNESP - São Paulo State University | - |
Descrição: dc.description | Telecommunications and Aeronautical Engineering UNESP - São Paulo State University | - |
Descrição: dc.description | Department of Mathematics UNESP - São Paulo State University | - |
Descrição: dc.description | Department of Electrical Engineering UNESP - São Paulo State University | - |
Descrição: dc.description | Telecommunications and Aeronautical Engineering UNESP - São Paulo State University | - |
Descrição: dc.description | Department of Mathematics UNESP - São Paulo State University | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Fluctuation and Noise Letters | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | noise classification | - |
Palavras-chave: dc.subject | noise estimation | - |
Palavras-chave: dc.subject | partial least squares | - |
Palavras-chave: dc.subject | Speech processing | - |
Título: dc.title | Regression-Based Noise Modeling for Speech Signal Processing | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: