1 非负矩阵分解(NMF或NNMF),也是非负矩阵逼近是多元分析和线性代数中的一组算法,其中矩阵V被分解为(通常)两个矩阵W和H ,具有所有三个矩阵都没有负元素的性质。这种非负性使生成的矩阵更容易检查。此外,在处理音频频谱图或肌肉活动等应用中,非负性是所考虑的数据所固有的。由于该问题通常不能完全解决,因此通常用数值近似。
2 适合机器学习,数值优化,图像处理,信号处理等专业的初学者进行分析和学习。
3 语音去噪一直是音频信号处理中长期存在的问题。如果噪声是静止的,则有许多去噪算法。例如,维纳滤波器适用于加性高斯噪声。然而,如果噪声是非平稳的,经典的去噪算法通常性能较差,因为非平稳噪声的统计信息难以估计。施密特等人。使用NMF在非平稳噪声下进行语音去噪,这与经典的统计方法完全不同。关键思想是干净的语音信号可以用语音字典稀疏地表示,但非平稳噪声不能。类似地,非平稳噪声也可以用噪声字典稀疏表示,但语音不能。NMF去噪算法如下。两个字典,一个用于语音,一个用于噪声,需要离线训练。
1