Jun, 2020

一种迭代图谱减法语音增强方法

PDF
TL;DR该论文研究了图信号处理理论在语音增强中的应用。通过构建图语音信号并在图 Fourier 域中分析其谱与噪声谱的差异，提出图谱减法方法来抑制噪声干扰，进而提出迭代图谱减法以进一步提高语音增强性能。实验结果表明，所提出的方法在信噪比和语音质量评价方面均优于传统的基本谱减法和迭代基本谱减法。
graph signal processingspeech enhancementgraph fourier domaingraph spectral subtractioniterative graph spectral subtraction
发现论文，激发创造
  • 图谱谱域图像处理

    该论文综述了最近图信号处理中用于图像处理的基于图谱技术，主要涉及图像压缩、图像修复、图像滤波和图像分割等方面。

    Jan, 2018

  • 机器学习的图信号处理：一份综述和新视角

    该研究介绍了如何利用图信号处理的概念和工具，诸如图滤波器和变换，以开发新的机器学习算法，并提供了未来 GSP 技术发展的新视角，以解锁在现代数据分析中的许多挑战。

    Jul, 2020

  • 基于图信号处理的几何数据及其应用：理论与应用

    该论文综述了基于图形信号处理的几何数据的广泛应用，以及该领域内新兴的图神经网络，并讨论了其在处理几何数据中的作用与挑战。

    Aug, 2020

  • 图信号处理：概述、挑战和应用

    本文总结了图信号处理领域的核心思想及其与数字信号处理的关系，并概述了图信号处理中的基本工具、各个应用领域的研究进展以及该领域在机器学习等方面的应用。

    Dec, 2017

  • 通过多层稀疏逼近实现快速图傅里叶变换

    本文提出一种基于 Jacobi 特征值算法的贪心近似对图拉普拉斯矩阵进行对角化的方法，从而获得可快速应用和高效存储的近似图傅里叶变换，并在合成和真实图中的应用展示其潜力。

    Dec, 2016

  • 基于频谱扩散的图生成

    本文介绍了 GRASP 模型，这是一种基于图拉普拉斯矩阵的频谱分解和扩散过程的新颖的图生成模型。我们使用去噪模型从图上采样特征向量和特征值，通过它们可以重构图拉普拉斯矩阵和邻接矩阵。该模型能够处理节点特征，并利用拉普拉斯谱自然地捕捉图的结构特性，在避免其他方法的二次复杂度限制的同时，直接在节点空间中进行操作。我们的实验结果表明，通过截断谱，我们的模型能够更快速而准确地进行生成过程，相对于其他现有方法具有较强的优势。

    Feb, 2024

  • 协同过滤的频率感知图信号处理

    我们提出了一种频率感知的图信号处理方法（FaGSP），用于协同过滤，它通过设计级联滤波模块和并行滤波模块，结合线性模型，更准确地建模用户偏好，并在预测准确性和训练效率方面展示了优越性。

    Feb, 2024

  • 基于谱特征的图分类高斯过程

    本文提出根据图的结构和节点属性对其进行分类的方法，使用图信号处理中的频谱特征派生两种高斯过程模型进行图分类 —— 第一种，基于图谱频谱能量信号分布的频谱特征；第二种，旨在捕捉图中多尺度和局部的模式，通过学习谱图小波滤波器来获得更好的性能。最后，表明二者均产生良好的不确定度估计，可以基于模型预测进行可靠的决策。

    Jun, 2023

  • 从谱模板中学习产品图

    我们提出了一种学习基于乘积谱模板的高维图来替代直接从高维度图信号学习的方法，以减少计算负担。 与当前方法相比，我们的方法可以学习所有类型的乘积图，具有更少的参数，并在实验上得到了证明。

    Nov, 2022

  • 图幂谱估计的子采样

    本文研究以无向图顶点上存在的平稳随机过程为主题，证明仅采样一个显著较小的顶点子集并使用简单最小二乘法，可以重建图信号的功率谱从而进行谱估计，同时发展一种接近最优的贪婪算法来设计子采样方案。

    Mar, 2016