Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Approximate MVDR and MMSE beamformers exploiting scale-invariant reconstruction of signals on microphones

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F16%3A00000313" target="_blank" >RIV/46747885:24220/16:00000313 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://asap.ite.tul.cz/publications/conference-papers/" target="_blank" >https://asap.ite.tul.cz/publications/conference-papers/</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Approximate MVDR and MMSE beamformers exploiting scale-invariant reconstruction of signals on microphones

  • Popis výsledku v původním jazyce

    Minimum Variance Distortionless Response (MVDR) and Minimum Mean-Squared Error (MMSE) beamformers are popular array processors for enhancing multichannel recordings of a directional source. We propose their approximate variants having the generalized sidelobe canceler structure whose performances depend purely on the blocking matrix part. No auxiliary methods such as adaptive interference canceler or voice activity detector to estimate the source/noise covariance are needed. Instead, scale-invariant least square estimators are used, which enable to estimate the noise also during speech activity and to recover original spectra of the target source on the microphones. In experiments, we compare signal-to-noise ratio improvements of several variants of the beamformers achieved on six-channel recordings of speech in nonstationary noisy conditions

  • Název v anglickém jazyce

    Approximate MVDR and MMSE beamformers exploiting scale-invariant reconstruction of signals on microphones

  • Popis výsledku anglicky

    Minimum Variance Distortionless Response (MVDR) and Minimum Mean-Squared Error (MMSE) beamformers are popular array processors for enhancing multichannel recordings of a directional source. We propose their approximate variants having the generalized sidelobe canceler structure whose performances depend purely on the blocking matrix part. No auxiliary methods such as adaptive interference canceler or voice activity detector to estimate the source/noise covariance are needed. Instead, scale-invariant least square estimators are used, which enable to estimate the noise also during speech activity and to recover original spectra of the target source on the microphones. In experiments, we compare signal-to-noise ratio improvements of several variants of the beamformers achieved on six-channel recordings of speech in nonstationary noisy conditions

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    JC - Počítačový hardware a software

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA14-11898S" target="_blank" >GA14-11898S: Zlepšování řečového signálu pomocí částečně slepých metod za použití pole mikrofonů</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    2016 International Workshop on Acoustic Signal Enhancement, IWAENC 2016

  • ISBN

    978-1-5090-2007-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

  • Název nakladatele

    Institute of Electrical and Electronics Engineers Inc.

  • Místo vydání

    Xi’an, China

  • Místo konání akce

    Xi’an, China

  • Datum konání akce

    1. 1. 2016

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000386654100044