New Variants of Nonnegative Matrix Factorization with Application to Speech Coding and Speech Enhancement

• Main Author: Jafeth Villasana Tinajero, Pedro
• Format: Others
• Language: English
• Published: KTH, Skolan för elektroteknik och datavetenskap (EECS) 2019
• Subjects: Engineering and Technology; Teknik och teknologier
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-253264

In this thesis, new variants of nonnegative matrix factorization (NMF) based ona convolutional data model, -divergence and sparsication are developed andanalyzed. These NMF variants are collectively referred to as -CNMF. Commonsparsication techniques such as L1-norm minimization and elastic net arediscussed and a new regularizer is proposed. It is shown that the new regularizer,unlike the above-mentioned sparsication techniques, has control overthe number of active bases in the NMF dictionary. Moreover, the -CNMF isextended to multichannel signals: it learns a common dictionary by exploitingthe correlation between channels through a multichannel coecient matrix. Asa result, an algorithm for source separation based on multichannel -CNMF isdeveloped. The algorithm is further tested in a multilayer setting, in which thefrequency-shifted coecient matrices serve as input to the next higher layer.Finally, three variants of the algorithm are evaluated in the context of speechenhancement, focusing on the problem of speech extraction from complex auditoryscenes. Figures obtained from the SiSEC 2016 data show that the proposedalgorithms perform comparably or better than the state of the art. === Den här rapporten behandlar utveckling och analys av nya varianter av icke-negativ matrisfaktorisering (eng: nonnegative matrix factorization, NMF), som baseras på en datormodell med faltning, β-divergens och glesa matriser. Dessa varianter av NMF:er kallas allmänt för β-CNMF:er, där C:et står för “convolutional”. Vidare diskuteras vanliga tekniker för regularisering, såsom L1-normminimering och elastiska nät, och en ny formulering för regularisering föreslås. Det visar sig att denna nya formulering, till skillnad från ovan nämnda regulariseringstekniker, möjliggör kontroll av antalet aktiva basfunktioner i NMF:ens bibliotek. Utöver detta så utökas även β-CNMF:en till att behandla multikanalsignaler genom att tränas på en gemensam bibliotek som utnyttjar korskorrelationen mellan kanalerna. Detta möjliggör utveckling av en algoritm för källseparation av multikanalsignaler. Vidare så testas algoritmen i multipla led, där frekvensskiftade koefficientmatriser i ett led utgör indata till nästa led. Slutligen så bedöms tre olika varianter av algoritmen för talförbättring, med fokus på extrahering av tal ur komplexa ljudmiljöer. Mätningar från SiSEC 2016 visar att den föreslagna algoritmen presterar lika bra eller överträffar nu-varande befintliga algoritmer.