Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Novel Singer Identification Method Using GMM-UBM Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

Adaptive Consistent Dictionary Learning for Audio Declipping

verfasst von : Penglong Wu, Xia Zou, Meng Sun, Li Li, Xingyu Zhang

Erschienen in: Proceedings of the 6th Conference on Sound and Music Technology (CSMT)

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Clipping is a common problem in audio processing. Clipping distortion can be solved by the recently proposed consistent Dictionary Learning (cDL), but the performance of restoration will decrease when the clipping degree is large. To improve the performance of cDL, a method based on adaptive threshold is proposed. In this method, the clipping degree is estimated automatically, and the factor of the clipping degree is adjusted according to the degree of clipping. Experiments show the superior performance of the proposed algorithm with respect to cDL on audio signal restoration.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Bird Sound Detection Based on Binarized Convolutional Neural Networks
Nächstes Kapitel A Comparison of Attention Mechanisms of Convolutional Neural Network in Weakly Labeled Audio Tagging
Literatur
1.
Janssen AJEM, Veldhuis R., Vries L (1986) Adaptive interpolation of discrete-time signals that can be modelled as autoregressive processes. IEEE Trans Acoust Speech Signal Process 34(2):317–330CrossRef
2.
Abel JS, Smith JO (1991) Restoring a clipped signal. In: International conference on acoustics, speech, and signal processing. IEEE, pp 1745–1748
3.
Godsill SJ, Wolfe PJ, Fong WN (2001) Statistical model-based approaches to audio restoration and analysis. J New Music Res 30(4):323–338CrossRef
4.
Adler A, Emiya V, Jafari MG, Elad M, Gribonval R, Plumbley MD (2012) Audio inpainting. IEEE Trans Audio Speech Lang Process 20(3):922–932CrossRef
5.
Adler A, Emiya V, Jafari MG, Elad M, Gribonval R, Plumbley MD (2011) A constrained matching pursuit approach to audio declipping. In: IEEE international conference on acoustics, speech and signal processing. IEEE, pp 329–332
6.
Defraene B, Mansour N, De Hertogh S, Van Waterschoot T, Diehl M, Moonen M (2013) Declipping of audio signals using perceptual compressed sensing. IEEE Trans Audio Speech Lang Process 21(12):2627–2637CrossRef
7.
Foucart S, Needham T (2016) Sparse recovery from saturated measurements. Inf Infer A J IMA 6(2):196–212
8.
Kitic S, Jacques L, Madhu N, Hopwood MP, Spriet A, De Vleeschouwer C (2013) Consistent iterative hard thresholding for signal declipping. In: IEEE international conference on acoustics, speech and signal processing. IEEE, pp 5939–5943
9.
Ozerov A, Bilen Ç, Pérez P (2016) Multichannel audio declipping. In: IEEE international conference on acoustics, speech and signal processing. IEEE, pp 659–663
10.
Siedenburg K, Kowalski M, Dörfler M (2014) Audio declipping with social sparsity. In: IEEE international conference on acoustics, speech and signal processing. IEEE, pp 1577–1581
11.
Rencker L, Bach F, Wang W, Plumbley MD (2018) Consistent dictionary learning for signal declipping. In: International conference on latent variable analysis and signal separation. Springer, Cham, pp 446–455CrossRef
12.
Mairal J, Bach F, Ponce J (2014) Sparse modelling for image and vision processing. Found Trends® Comput Graph Vision 8(2–3):85–283CrossRef
Metadaten
Titel
Adaptive Consistent Dictionary Learning for Audio Declipping
verfasst von
Penglong Wu
Xia Zou
Meng Sun
Li Li
Xingyu Zhang
Copyright-Jahr
2019
Verlag
Springer Singapore
Buch
Proceedings of the 6th Conference on Sound and Music Technology (CSMT)

Print ISBN: 978-981-13-8706-7

Electronic ISBN: 978-981-13-8707-4

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-981-13-8707-4_7

Neuer Inhalt

    Bildnachweise