Signal Enhancement with Variable Span Linear Filters

این کتاب خوانندگان را با مفهوم جدید فیلترهای تقویت گفتار با دامنه متغیر آشنا می‌کند و نشان می‌دهد که چگونه می‌توان از آن برای کاهش مؤثر نویز به روش‌های مختلف استفاده کرد. علاوه بر این، کتاب کد Matlab همراه را ارائه می‌کند و به خوانندگان اجازه می‌دهد تا ایده‌های اصلی مورد بحث را به راحتی پیاده‌سازی کنند. فیلترهای دهانه متغیر ایده‌های فیلترهای خطی بهینه را با روش‌های زیرفضا ترکیب می‌کنند، زیرا شامل مورب مشترک ماتریس‌های همبستگی سیگنال مورد نظر و نویز می‌شوند. این کتاب نشان می دهد که چگونه برخی از طراحی های شناخته شده فیلتر، به عنوان مثال. حداقل اعوجاج، حداکثر نسبت سیگنال به نویز، فیلترهای Wiener و tradeoff (شامل تعمیم‌های جدید آنها) را می‌توان با استفاده از چارچوب فیلتر دهانه متغیر بدست آورد. سپس نشان می‌دهد که چگونه فیلترهای فاصله متغیر را می‌توان در زمینه‌های مختلف اعمال کرد، یعنی در بهبود مبتنی بر STFT تک کانال، در بهبود چند کاناله در هر دو حوزه زمان و STFT، و در نهایت، در بهبود دوگوشی حوزه زمان. در این زمینه‌ها، ویژگی‌های این فیلترها از نظر قابلیت‌های کاهش نویز و اعوجاج سیگنال مورد نظر مورد تجزیه و تحلیل قرار می‌گیرند و آنالیزها اعتبارسنجی شده و در شبیه‌سازی‌ها بررسی می‌شوند.

This book introduces readers to the novel concept of variable span speech enhancement filters, and demonstrates how it can be used for effective noise reduction in various ways. Further, the book provides the accompanying Matlab code, allowing readers to easily implement the main ideas discussed. Variable span filters combine the ideas of optimal linear filters with those of subspace methods, as they involve the joint diagonalization of the correlation matrices of the desired signal and the noise. The book shows how some well-known filter designs, e.g. the minimum distortion, maximum signal-to-noise ratio, Wiener, and tradeoff filters (including their new generalizations) can be obtained using the variable span filter framework. It then illustrates how the variable span filters can be applied in various contexts, namely in single-channel STFT-based enhancement, in multichannel enhancement in both the time and STFT domains, and, lastly, in time-domain binaural enhancement. In these contexts, the properties of these filters are analyzed in terms of their noise reduction capabilities and desired signal distortion, and the analyses are validated and further explored in simulations.