Blind Source Separation Using Incomplete De-Mixing Transform with a Precise Approach for Selecting Constrained Sets of Frequencies

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24220%2F18%3A00006133" target="_blank" >RIV/46747885:24220/18:00006133 - isvavai.cz</a>

Výsledek na webu

<a href="https://asap.ite.tul.cz/wp-content/uploads/sites/3/2018/09/iwaenc2018a.pdf" target="_blank" >https://asap.ite.tul.cz/wp-content/uploads/sites/3/2018/09/iwaenc2018a.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/IWAENC.2018.8521395" target="_blank" >10.1109/IWAENC.2018.8521395</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Blind Source Separation Using Incomplete De-Mixing Transform with a Precise Approach for Selecting Constrained Sets of Frequencies

Popis výsledku v původním jazyce

This paper presents a modification of the Natural Gradient algorithm for Independent Vector Analysis estimating incom-plete de-mixing transform and performing its completion. Incomplete de-mixing transform is obtained when it is es-timated only on subsets of most active frequencies of the sources. The transform is then completed using methods for sparse reconstruction. In previous works, the incomplete subset of frequencies was the same for all separated signals. In this paper, we propose a new approach in which the sub-sets are source-dependent. Experiments conducted on the CHiME-4 dataset show that the proposed approach improves the separation performance.

Název v anglickém jazyce

Blind Source Separation Using Incomplete De-Mixing Transform with a Precise Approach for Selecting Constrained Sets of Frequencies

Popis výsledku anglicky

This paper presents a modification of the Natural Gradient algorithm for Independent Vector Analysis estimating incom-plete de-mixing transform and performing its completion. Incomplete de-mixing transform is obtained when it is es-timated only on subsets of most active frequencies of the sources. The transform is then completed using methods for sparse reconstruction. In previous works, the incomplete subset of frequencies was the same for all separated signals. In this paper, we propose a new approach in which the sub-sets are source-dependent. Experiments conducted on the CHiME-4 dataset show that the proposed approach improves the separation performance.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10102 - Applied mathematics

Projekt

<a href="/cs/project/GA17-00902S" target="_blank" >GA17-00902S: Pokročilé metody slepé separace podprostorů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

The 16th International Workshop on Acoustic Signal Enhancement (IWAENC 2018)

ISBN

978-1-5386-8151-0

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

236-240

Název nakladatele

—

Místo vydání

—

Místo konání akce

Tokyo

Datum konání akce

1. 1. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—