论文部分内容阅读
提出一种基于非对称代价函数的稀疏卷积非负矩阵分解方法。该方法利用板仓-斋藤距离作为目标代价函数来衡量目标矩阵与重建矩阵的差异，使得较小的矩阵元素具有较小的重建误差，并且该代价函数具有尺度不变性的特点。为了考察其在弱语音成分重建方面的优势，将本文提出的算法应用于耳语音谱分解及重建实验。实验结果表明，与基于欧氏距离和基于 Kullback-Leibler（K-L）散度的卷积非负矩阵分解算法相比，本文算法对于弱语音成分具有更好的重构效果，重建后的语音信号具有较大的可懂度。