دانلود کتاب جداسازی منبع صوتی بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Audio Source Separation
ویرایش : 1
عنوان ترجمه شده به فارسی : جداسازی منبع صوتی
سری : Signals and Communication Technology
نویسندگان : Shoji Makino (eds.)
ناشر : Springer International Publishing
سال نشر : 2018
تعداد صفحات : 389
ISBN (شابک) : 9783319730301 , 9783319730318
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 15 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب اولین مروری جامع از مبحث جذاب جداسازی منابع صوتی بر اساس فاکتورسازی ماتریس غیرمنفی، شبکه های عصبی عمیق و تجزیه و تحلیل مولفه های پراکنده را ارائه می دهد.
بخش اول کتاب جداسازی منبع تک کانالی را بر اساس فاکتورسازی ماتریس غیرمنفی (NMF) پوشش میدهد. پس از مقدمهای بر این تکنیک، دو فصل دیگر جداسازی منابع شناختهشده را با استفاده از فاکتورسازی طیفنگاری غیر منفی و مدلهای NMF زمانی توصیف میکنند. در بخش دو، روشهای NMF به جداسازی منبع چند کاناله بسط داده شدهاند. بخش سوم، تکنیکهای شبکه عصبی عمیق (DNN) را با فصلهایی در مورد جداسازی چند کاناله و تک کانالی، و یک فصل دیگر در مورد تخمین ماسک مبتنی بر DNN برای جداسازی گفتار تککانالی معرفی میکند. در بخش چهار، تجزیه و تحلیل اجزای پراکنده (SCA) با فصلهایی در مورد جداسازی منبع با استفاده از مدلسازی آمار جهتگیری صوتی، تکنیکهای مبتنی بر چند میکروفون MMSE و روشهای نقشه انتشار مورد بحث قرار گرفته است.این کتاب گرد هم میآورد. محققان پیشرو برای ارائه درمان های آموزشی مانند و عمیق در مورد موضوعات اصلی جداسازی منابع صوتی، با هدف تبدیل شدن به منبع قطعی برای درمان جامع، معتبر و در دسترس. این کتاب برای دانشجویان فارغ التحصیل و محققانی نوشته شده است که به تکنیک های جداسازی منابع صوتی بر اساس NMF، DNN و SCA علاقه مند هستند.
This book provides the first comprehensive overview of the fascinating topic of audio source separation based on non-negative matrix factorization, deep neural networks, and sparse component analysis.
The first section of the book covers single channel source separation based on non-negative matrix factorization (NMF). After an introduction to the technique, two further chapters describe separation of known sources using non-negative spectrogram factorization, and temporal NMF models. In section two, NMF methods are extended to multi-channel source separation. Section three introduces deep neural network (DNN) techniques, with chapters on multichannel and single channel separation, and a further chapter on DNN based mask estimation for monaural speech separation. In section four, sparse component analysis (SCA) is discussed, with chapters on source separation using audio directional statistics modelling, multi-microphone MMSE-based techniques and diffusion map methods.The book brings together leading researchers to provide tutorial-like and in-depth treatments on major audio source separation topics, with the objective of becoming the definitive source for a comprehensive, authoritative, and accessible treatment. This book is written for graduate students and researchers who are interested in audio source separation techniques based on NMF, DNN and SCA.