Publication

Speech Enhancement using an Improved MMSE Estimator with Laplacian Prior

2010
Conference Papers

Résumé

In this paper we present an optimal estimator of magnitude spectrum for speech enhancement when the clean speech DFT coefficients are modeled by a Laplacian distribution and the noise DFT coefficients are modeled by a Gaussian distribution. Chen has already introduced a Minimum Mean Square Error (MMSE) estimator of the magnitude spectrum. However, the proposed estimator, namely LapMMSE, does not have a closed form and is computationally extensive. We use his formulation for the MMSE estimator, employ some approximations and propose a computationally effective estimator for the magnitude spectrum. Experimental studies demonstrate better performance of our proposed estimator, Improved LapMMSE (ImpLapMMSE) Compared to LapMMSE and previous estimators in which Laplacian and Gaussian assumptions were made.

Source officielle

https://infoscience.epfl.ch/entities/publication/8f210422-4b6e-4890-86ad-d523ce8be95d

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2010
Conference Papers

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/8f210422-4b6e-4890-86ad-d523ce8be95d

À propos de ce résultat

Concepts associés (32)

Estimateur (statistique)

En statistique, un estimateur est une fonction permettant d'estimer un moment d'une loi de probabilité (comme son espérance ou sa variance). Il peut par exemple servir à estimer certaines caractéristiques d'une population totale à partir de données obtenues sur un échantillon comme lors d'un sondage. La définition et l'utilisation de tels estimateurs constitue la statistique inférentielle. La qualité des estimateurs s'exprime par leur convergence, leur biais, leur efficacité et leur robustesse.

Minimum mean square error

In statistics and signal processing, a minimum mean square error (MMSE) estimator is an estimation method which minimizes the mean square error (MSE), which is a common measure of estimator quality, of the fitted values of a dependent variable. In the Bayesian setting, the term MMSE more specifically refers to estimation with quadratic loss function. In such case, the MMSE estimator is given by the posterior mean of the parameter to be estimated.

M-estimateur

vignette|M-estimateur En statistique, les M-estimateurs constituent une large classe de statistiques obtenues par la minimisation d'une fonction dépendant des données et des paramètres du modèle. Le processus du calcul d'un M-estimateur est appelé M-estimation. De nombreuses méthodes d'estimation statistiques peuvent être considérées comme des M-estimateurs. Dépendant de la fonction à minimiser lors de la M-estimation, les M-estimateurs peuvent permettre d'obtenir des estimateurs plus robustes que les méthodes plus classiques, comme la méthode des moindres carrés.

Afficher plus

Publications associées (32)

Afficher plus

Speech Enhancement using an Improved MMSE Estimator with Laplacian Prior

Chattez avec Graph Search

A Nonchalant Intro to Fourier Neural Operator

Analysis-Aware Defeaturing of Dirichlet Features

Desi Dr1 Lyα 1d Power Spectrum: the Fast Fourier Transform Estimator Measurement