که  فاکتور تفریق بیش از حد بوده و تابعی از SNR مقطعی^[۱۰۵] می باشد. در روش پیشنهادی فرض شده که نویز روی گفتار به شکل یکسان تاثیر می گذارد و فاکتور  یک تخمین بیش از حد از نویز را در کل طیف تفریق می کند.
با در نظر گرفتن این حقیقت که اثر نویز رنگی روی طیف گفتار در فرکانس های مختلف متفاوت است، دراین پایان نامه استفاده از تفریق طیفی در باندهای مختلف فرکانسی^[۱۰۶] پیشنهاد شده است. طیف سیگنال گفتار به N باند بدون هم پوشانی تقسیم شده و عمل تفریق طیفی مستقل از هم در هر باند انجام می شود. تخمین طیف گفتار تمیز در i اُمین باند از رابطه زیر حاصل می شود:

که  فرکانس ابتدایی و انتهایی i اُمین باند فرکانسی هستند.  نیز فاکتور تفریق بیش از حد است که می توان آنرا برای هر باند فرکانسی تنظیم کنیم تا ویژگی های حذف نویز را مشخصاً دستکاری کنیم.  باند فرکانسی i اُم نسخه هموار شده و متوسط گیری شده^[۱۰۷] طیف گفتار نویزی می باشد. فاکتور  تابعی از  در باند فرکانسی i اُم است که به شکل زیر حساب می شود:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

با بهره گرفتن از  محاسبه شده توسط رابطه فوق، فاکتور  با توجه به رابطه ۲-۲۵ به صورت زیر محاسبه می شود:

در حالی که استفاده از فاکتور  یک عامل کنترلی روی کاهش نویز در هر باند ایجاد می کند، استفاده از ضریب  یک عامل دیگر کنترلی در هر باند می باشد. سپس مقادیر منفی در طیف اصلاح شده به شکل زیر اصلاح می شود:

که پارامتر  به نام فاکتور کف طیفی می باشد و با مقدار  تنظیم شده است.
طیف اصلاح شده هر باند فرکانسی با هم دوباره ترکیب می شوند و طیف گفتار غنی شده را حاصل می کنند (  ). IFFT روی طیف گفتار غنی شده همراه با فاز سیگنال آغشته به نویز اصلی محاسبه می شود. در نهایت از آنجا که در آنالیز، فریم های هم پوشانی گفتار استفاده شده، سیگنال زمانی غنی شده s(n) با جمع بخش های دارای هم پوشانی از فریم های زمانی گفتار حاصل می شود.
فصل سوم
آشنائی با تجزیه مقادیر منفرد
و الگوریتم های VAD
در این پایان نامه قصد داریم به منظور تخمین نویز از نگاشت تجزیه مقادیر منفرد استفاده کنیم، بنابراین در این فصل مرور کوتاهی بر این تجزیه از نظر ریاضی خواهیم داشت و روش های محاسبه مقادیر و بردارهای منفرد را بیان می کنیم. سپس کاربرد های این تجزیه مخصوصا در پردازش سیگنال آورده شده است. به دلیل اینکه در این پایان نامه جهت بهینه سازی روش های پیشنهادی از الگوریتم آشکار ساز صوت استفاده شده است، در انتهای این فصل نیز مروری بر این روش ها خواهیم داشت.
۳-۱- تجزیه مقادیر منفرد
نگاشت تجزیه مقادیر منفرد ابزار مهمی در پردازش سیگنال و تحلیل داده های آماری می باشد. SVD نمایش سیگنال در محدوده زمان-فرکانس است. اگر سیگنالی داشته باشیم و بتوان آنرا به ماتریس  تبدیل کرد، آنگاه SVD ماتریس با ابعاد  را می توان به صورت زیر نوشت: