Estimação de sinais de voz esparsificados em misturas subparametrizadas

• Main Author: Suzumura, Giulio Guiyti Rossignolo
• Other Authors: Suyama, Ricardo
• Format: Others
• Language: Portuguese
• Published: 2016
• Subjects: ANÁLISE POR COMPONENTES ESPARSAS; MISTURAS SUB-PARAMETRIZADAS; SINAIS ESPARSIFICADOS; INDEPENDENT COMPONENT ANALYSIS; UNDERDETERMINED MIXTURE; SPARSIFIED SIGNALS; PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DA INFORMAÇÃO - UFABC
• Online Access: http://www.biblioteca.ufabc.edu.brhttp://biblioteca.ufabc.edu.br/index.php?codigo_sophia=100926

Orientador: Prof. Dr. Ricardo Suyama === Dissertação (mestrado) - Universidade Federal do ABC, Programa de Pós-Graduação em Engenharia da Informação, 2016. === O problema de separação cega de fontes no contexto de misturas subparametrizadas tem sido investigado por meio de abordagens que exploram diferentes características dos sinais de interesse, dentre as quais se destaca a esparsidade. Mesmo que os sinais de interesse não sejam originalmente esparsos, é possível, em algumas aplicações, que estes sejam modificados a fim de apresentar um maior grau de esparsidade, e assim facilitar o processo de separação dos sinais. No presente trabalho, comparamos o desempenho de diferentes técnicas de estimação dos sinais de áudio, no contexto de misturas sub-parametrizadas, considerando que os mesmos tenham sido esparsificados antes do processo de mistura. Os resultados obtidos estendem análises preliminares realizadas, e indicam que este préprocessamento traz ganhos efetivos para o processo de estimação dos sinais. Além disso, distintos estudos foram unificados e uma nova proposta estabelecida, obtendo-se um resultado de estimação considerável no âmbito perceptual, segundo análises realizadas. === The blind source separation problem have been investigated through approaches that explore specific characteristics of the signals of interest, among which stands out the sparsity. Even if the original sources aren¿t sparse, some modifications can be done to rebuild signal with greater degree of sparsity, making the separation process easier. In this work we compare the performance of different estimation methods of audio signals, in the underdetermined context, considering that they have been sparsified before the mixing process. The results extend preliminary studies and show that this process may increase the performance of the estimation process. In addition to that, different studies were merged and a new proposal was established, which results are remarkable according to the perceptual analysis.