Speech Enhancement. A Signal Subspace Perspective

بهبود گفتار یک مشکل کلاسیک در پردازش سیگنال است، اما هنوز تا حد زیادی حل نشده است. دو روش مرسوم برای حل این مشکل، فیلتر خطی، مانند فیلتر کلاسیک وینر، و روش‌های زیرفضا هستند. این رویکردها به طور سنتی به عنوان کلاس‌های متفاوتی از روش‌ها تلقی می‌شوند و در زمینه‌های متفاوتی معرفی شده‌اند. روش‌های فیلتر خطی از فرآیندهای تصادفی سرچشمه می‌گیرند، در حالی که روش‌های زیرفضا عمدتاً مبتنی بر تحولات جبر خطی عددی و نظریه تقریب ماتریس بوده‌اند.

این کتاب با نشان دادن اینکه چگونه ایده‌های پشت روش‌های زیرفضا می‌توانند در فیلتر خطی سنتی گنجانده شوند، شکاف بین این دو دسته از روش‌ها را پر می‌کند. در زمینه روش‌های زیرفضا، مسئله افزایش می‌تواند به عنوان یک مسئله طراحی فیلتر خطی کلاسیک دیده شود. این بدان معنی است که راه حل های مختلف را می توان آسان تر مقایسه کرد و عملکرد آنها را از نظر کاهش نویز و اعوجاج گفتار محدود و ارزیابی کرد. این کتاب نشان می‌دهد که چگونه می‌توان طرح‌های فیلترهای مختلف را در این چارچوب به دست آورد، از جمله فیلترهای حداکثر SNR، Wiener، LCMV، و MVDR، و چگونه می‌توان آنها را در زمینه‌های مختلف، مانند بهبود گفتار تک کاناله و چند کاناله، و در هر دو اعمال کرد. حوزه‌های زمان و فرکانس.

• اولین کتاب کوتاهی که رویکردهای زیرفضایی را به روشی یکپارچه برای حوزه‌های زمان و فرکانس، تک کاناله، چند کاناله و همچنین بررسی می‌کند. به عنوان دو گوش، تقویت گفتار.
• شکاف بین روش‌های فیلتر بهینه و رویکردهای زیرفضایی را پر می‌کند.
• شامل ارائه اصلی روش‌های زیرفضا از دیدگاه‌های مختلف است.

Speech enhancement is a classical problem in signal processing, yet still largely unsolved. Two of the conventional approaches for solving this problem are linear filtering, like the classical Wiener filter, and subspace methods. These approaches have traditionally been treated as different classes of methods and have been introduced in somewhat different contexts. Linear filtering methods originate in stochastic processes, while subspace methods have largely been based on developments in numerical linear algebra and matrix approximation theory.

This book bridges the gap between these two classes of methods by showing how the ideas behind subspace methods can be incorporated into traditional linear filtering. In the context of subspace methods, the enhancement problem can then be seen as a classical linear filter design problem. This means that various solutions can more easily be compared and their performance bounded and assessed in terms of noise reduction and speech distortion. The book shows how various filter designs can be obtained in this framework, including the maximum SNR, Wiener, LCMV, and MVDR filters, and how these can be applied in various contexts, like in single-channel and multichannel speech enhancement, and in both the time and frequency domains.

• First short book treating subspace approaches in a unified way for time and frequency domains, single-channel, multichannel, as well as binaural, speech enhancement.
• Bridges the gap between optimal filtering methods and subspace approaches.
• Includes original presentation of subspace methods from different perspectives.