1 / 13

Cocktail party efekt

Cocktail party efekt. Milan Domazet Ana Stanišić. Što je cocktail party efekt?. sposobnost slušanja samo jednog željenog govornika od više govornika sposobnost izdvajanja samo jednog željenog signala iz ambijentalne buke

ashton-larsen
Télécharger la présentation

Cocktail party efekt

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Cocktail party efekt Milan Domazet Ana Stanišić

  2. Što je cocktail party efekt? • sposobnost slušanja samo jednog željenog govornika od više govornika • sposobnost izdvajanja samo jednog željenog signala iz ambijentalne buke • sposobnost izdvajanja n siganla iz n senzora različitih ulaznih podataka

  3. x = As y = Wx Environment x1 y1 s1 s2 sN Source Separation Algorithm W x2 y2 . . . . . . . . . . . xN yN Sources Sensors Observations Što je cocktail party efekt?

  4. Metode separacije signala • Klasične metode • različiti spektri signala • Beamforming • udaljeni izvori signala • Adaptive Noise Cancellation • postojanje referentnih signala • Blind Source Separation, BSS

  5. Blind Source Separation, BSS • problem: x = As • cilj: s = ?, ALI A je nepoznanica y ≈ s = Wx W ≈ A-1

  6. Blind Source Separation, BSS • Principal component analysis (PCA) • drugi red statističke ovisnosti (dekorelacija) • Independent component analysis (ICA) • viši red statističke ovisnosti (najčešće četvrtog reda - kurtosis)

  7. Principal component analysis (PCA) • dekorelacija pomoću svojstvenih vektora kovarijancijske matrice • Matlab: % kovarijancijska matrica 2x2 Xcov = cov(X'); [Xv, Xd] = eig(Xcov); % Xcov*Xv = Xv*Xd % skaliranje Vx = -diag(diag(Xd).^(-1/2))*Xv'; % dekorelacija Z = Vx*X;

  8. Independent component analysis (ICA) • rotacijska matrica • problem:

  9. Optimalni kut rotacijske matrice • kurtosis • jednak nuli za Gaussovu razdiobu • Matlab: % kurtosis k = kurtosis(x) - 3;

  10. Optimalni kut rotacijske matrice • kut za koji je zbroj apsolutnih vrijednosti kurtosisa svih dobivenih signala najveći

  11. Primjeri • slike (dvodimenzionalni signali) • nema kašnjenja • crno-bijele slike

  12. Zaključak • separacija ovisi o početnim signalima i načinu mješanja signala • uklanja šum, ali potrebna dva senzora (za razliku od wavelet metode ili Wienerovog filtra)

  13. Budućnost • multi-party audio telekonferencing • speech-only hypermedia

More Related