处理音频和音乐的贝叶斯方法论文外文资料翻译.docVIP

毕业论文外文资料翻译 题 目 处理音频和音乐 学 院 信息科学与工程学院 专 业 通信工程 班 级 通信002 学 生 学 号 指导教师 姜晓庆 二〇一年 三 月 日 处理音频和音乐A. Taylan Cemgil, Simon J. Godsill, Paul Peeling, Nick WhiteleySignal Processing and Comms. Lab, University of CambridgeDepartment of Engineering, Trumpington Street, Cambridge, CB2 1PZ, UK {atc27,sjg}@eng.cam.ac.uk August 15, 2008 摘 要 贝叶斯统计方法提供了解决的各种音频处理问题。在实际环境中，声学条件和良好的来源是高度，但音频信号往往具有重大的统计结构。有一个很大的先验知识可以了解为什么这是目前的统计结构。这包括知识的物理机制，声音产生，认知过程，声音认为，在音乐背景，抽象机制，高级音响结构编译。贝叶斯分级技术提供了这些机构的现有知识，使制定的高度结构化的模型，观察音频数据和潜在的进程在不同层次的抽象。他们还允许列入理想的模拟部分，如变结构和模型阶规格由此产生的模型表现出复杂的统计结构，在实践中，高度适应性和强大的计算技术来进行推理。在这一章中，我们审查发达国家最近音频和音乐处理的一些统计模型和推理方法。我们的将偏重音乐信号，但建模策略和推理技术是通用的，可以应用在更广泛的范围内非平稳时间序列分析。在这个章节我们将审查应用领域，音频处理，描述模型这些情况，并讨论了计算推理模型所造成的问题。我们将描述模型在时域和变换域后者通常提供更大的灵活性和模拟计算方便牺牲一些准确性的模型。推理模型采用蒙特卡洛方法以及变分方法。我们希望表明，随着强大的贝叶斯推理方法和相应的计算能力的增加了在未来几这一领域，这仍处于初级阶段，主题等计算机视觉和语音识别具有很大的潜力关键词 音频处理，贝叶斯，语音识别 1在应用程序需要处理的声学和计算模型的声音，一个根本障碍是叠加，即并行声音事件（复调音乐，语音或环境的声音）混合，改变由于混响存在的声环境。在语音处理，这个问题称为鸡尾酒会问题。1个助听器，不受欢迎的结构化环境来源，如风力或机器的噪音，污染的目标和需要被过滤掉；这里的目的是去噪或知觉增强。类似的情况发生在复调音乐，在一些文书发挥的同时一个目标是单独的或确定的声音。在所有这些领域，由于叠加，个人信息的来源不能直接提取，重要的焦点是在文献中分离，卷积和知觉组织的声音（王和棕色2006）声学处理是一个相当广泛的领域研究科学和技术–两个相关但不同的目标。对技术的需求，主要动机是制定切实可行的工程方案，提高认识，去噪，分离或信息检索。最终目标是在这里建造的计算机系统，显示方面人类水平自动理解。在其次，目标是科学的理解认知过程背后的人类听觉系统和物理声音生成过程的乐器或声音。我们的出发点，本文是在这两种情况，科学或技术，贝叶斯统计方法提供了一个形式主义的进步。这是通过量化模型的先验知识的物理性质和语义的声音和强大的计算技术。关键方程，然后，是贝叶斯定理和语境中的音频处理它可以表示为p(Structure|Audio Data) ∝ p(Audio Data|Structure)p(Structure)。因此推论得出的。这一简单而抽象的观点是，它承认音频处理的各种任务，如跟踪，修复，转录，分离，鉴定或重新合成可以制定贝叶斯推理问题。该方法还继承利益共同所有应用贝叶斯统计方法，这个问题的提法计算解决方案的策略。这不同于启发式和特设的方法，音频处理已流行的历史，涉及的设计，定制算法求解特定任务问题制定和计算溶液混合，考虑实际和务实的考虑 下面的讨论，给出了一个介绍一些音乐音频信号性质。讨论如下密切的（godsill2004）。音乐音频是高度结构化的，在时间域和频率域。在时域，节奏和节拍指定范围可能注意到过渡时间。在频域，双层次结构可以被。首先，每个音符都是由一个基本频率（涉及“俯仰”的说明），和谐音幅度的相对确定。这种频域描述可以被视为一个实证逼近真实的过程，这实际上是一个复杂的非线性时域系统（麦金泰尔，舒马赫，和弗莱彻罗辛豪斯1983；1998）。频率的泛音约基本频率的整数倍，尽管这显然不适用仪器如钟声和调整打击乐器。其次，几个音符在同一时间