噪声功率谱估计 研究人员文献概述

以下噪声功率谱估计方面的一些研究人员和相关文献的概述：

1. Ephraim和Malah在1984年提出了谱减法（Spectral Subtraction）算法，该算法被广泛应用于噪声抑制和语音增强中。

2. Cohen和Berouti在1985年提出了MMSE算法（Minimum Mean Square Error），该算法可以在保持语音信号信息的同时，抑制噪声。

3. Martin等人在2001年提出了基于子空间的噪声估计算法（Subspace-Based Noise Estimation），该算法在噪声估计和语音增强中取得了良好的效果。

4. Xu和Wang在2005年提出了基于时域滤波的噪声估计算法（Time-Domain Noise Estimation），该算法采用自适应滤波技术估计噪声功率谱，可以应用于非平稳噪声。

5. Xu等人在2014年提出了一种基于深度学习的噪声估计方法（Deep Learning-Based Noise Estimation），该方法通过深度神经网络对语音信号进行建模，可以得到更加准确的噪声功率谱估计值。

6. Loizou在2013年出版了一本名为《Speech Enhancement: Theory and Practice》的书籍，系统地介绍了噪声功率谱估计算法、语音增强技术等方面的知识和方法。

7. 陈峰和李旭在2017年发表的论文《基于深度学习的噪声估计算法研究进展》中，对基于深度学习的噪声估计算法进行了详细的介绍和分析。

总的来说，噪声功率谱估计方面的研究人员很多，相关文献也很丰富，涉及到了统计分析、频域处理、时域处理、深度学习等多个方面。