基于計(jì)算聽(tīng)覺(jué)場(chǎng)景分析的單聲道語(yǔ)音分離研究.pdf

1、在現(xiàn)實(shí)環(huán)境中,語(yǔ)音信號(hào)往往受到來(lái)自不同聲源的背景噪聲的干擾。噪聲會(huì)極大地降低語(yǔ)音信號(hào)的質(zhì)量和可懂度,進(jìn)而嚴(yán)重阻礙語(yǔ)音技術(shù)在實(shí)際中的應(yīng)用。因此,如何從混合信號(hào)中提取出目標(biāo)語(yǔ)音成為制約語(yǔ)音技術(shù)發(fā)展的一個(gè)瓶頸問(wèn)題。根據(jù)系統(tǒng)中可使用的拾音器的多少,相關(guān)問(wèn)題被稱為多聲道、雙聲道或單聲道語(yǔ)音分離問(wèn)題。其中,尤以單聲道語(yǔ)音分離問(wèn)題的求解最為困難。
　　 本文主要研究單聲道語(yǔ)音分離問(wèn)題。借助于計(jì)算聽(tīng)覺(jué)場(chǎng)景分析技術(shù),我們對(duì)聽(tīng)覺(jué)分割、聽(tīng)覺(jué)重組和聽(tīng)覺(jué)

2、特征分類進(jìn)行了深入研究。在此基礎(chǔ)上,提出了可以有效改進(jìn)單聲道語(yǔ)音分離效果的一些方法。
　　 本文的主要貢獻(xiàn)如下:
　　 1.提出了基于組合線索和區(qū)域能量分布的聽(tīng)覺(jué)分割方法。在聽(tīng)覺(jué)分割環(huán)節(jié),來(lái)自單一聲源的鄰近時(shí)頻單元被合并成聽(tīng)覺(jué)片段。在該方法中,我們根據(jù)組合線索（包括互通道相關(guān)、時(shí)域連續(xù)性、起始和終止）將高頻區(qū)域的時(shí)頻單元合并成聽(tīng)覺(jué)片段。不僅如此,我們還根據(jù)混合信號(hào)的區(qū)域能量分布來(lái)估計(jì)聽(tīng)覺(jué)線索在高頻區(qū)域的可信度,并以此來(lái)指

3、導(dǎo)聽(tīng)覺(jué)分割過(guò)程。實(shí)驗(yàn)結(jié)果表明,該方法通過(guò)生成更加可靠的聽(tīng)覺(jué)片段,提升了分離系統(tǒng)的性能。
　　 2.提出了基于通道能量分布的聽(tīng)覺(jué)重組方法。在聽(tīng)覺(jué)重組環(huán)節(jié),來(lái)自同一聲源的聽(tīng)覺(jué)片段被重組到對(duì)應(yīng)于目標(biāo)語(yǔ)音和噪聲的聽(tīng)覺(jué)流中。在該方法中,首先根據(jù)周期和幅度調(diào)制原則將聽(tīng)覺(jué)片段重組到聽(tīng)覺(jué)流中。然后,基于混合信號(hào)在頻率通道的能量分布,在高頻區(qū)域找出被噪聲干擾嚴(yán)重的時(shí)頻單元,并將它們從目標(biāo)聽(tīng)覺(jué)流中去除。實(shí)驗(yàn)結(jié)果表明,該聽(tīng)覺(jué)重組方法可以從目標(biāo)聽(tīng)覺(jué)流中

4、去除更多由噪聲主導(dǎo)的時(shí)頻單元,從而改善了系統(tǒng)的分離效果。
　　 3.提出了基于組合線索和能量分布的聽(tīng)覺(jué)組織方法。在聽(tīng)覺(jué)組織階段,混合信號(hào)的時(shí)頻單元被分配到對(duì)應(yīng)于目標(biāo)語(yǔ)音或者噪聲的聽(tīng)覺(jué)流中。該組織過(guò)程主要包括聽(tīng)覺(jué)分割和聽(tīng)覺(jué)重組兩個(gè)環(huán)節(jié)。我們將所開(kāi)發(fā)的聽(tīng)覺(jué)分割和聽(tīng)覺(jué)重組方法融合在一起,使之共同參與改進(jìn)聽(tīng)覺(jué)組織的過(guò)程。實(shí)驗(yàn)結(jié)果表明,基于該方法的分離系統(tǒng)的性能優(yōu)于之前的系統(tǒng),尤其是在高頻區(qū)域。
　　 4.提出了基于諧波和能量特征