MétaCan
Menu
Retour à la cohorte
Enregistrement W1532220355

Review of wideband speech noise reduction techniques

2009· article· en· W1532220355 sur OpenAlexaffvenue
Malay Gupta, Chris Forrester, Sean Simmons

Notice bibliographique

RevueCanadian acoustics · 2009
Typearticle
Langueen
DomaineComputer Science
ThématiqueSpeech and Audio Processing
Établissements canadiensBlackberry (Canada)
Organismes subventionnairesnon disponible
Mots-clésWidebandNarrowbandWideband audioComputer scienceNoise (video)Electronic engineeringNoise reductionSpeech recognitionReduction (mathematics)AcousticsTelecommunicationsEngineeringMathematicsSpeech codingAudio signalPhysicsArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Some of the significant wideband noise reduction techniques that help wireless phone designers to overcome the challenge of wideband noise in these devices are discussed. A wideband signal creates challenges, as it has a significant amount of consonant energy in addition to vowel sounds. Consonants are low in intensity when compared to the voiced low frequency content of the signal and have a noise-like structure, making them prone to noise distortions. The increased susceptibility of wideband systems for noise distortions need careful development of noise reduction algorithms for wideband. Algorithm developers need to modify the existing noise reduction algorithms for wideband applications or account for structural differences between narrowband and wideband signals and device different algorithmic strategy for wideband signals. They need to take these measures to develop algorithms for wideband systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil0,334

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,247
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian acousticsMême sujetSpeech and Audio ProcessingTravaux en français237 207