基于計(jì)算聽覺場(chǎng)景分析的單信道語音分離.pdf

1、單信道語音分離(Single-channel speech separation，SCSS)指在無法預(yù)知聲源先驗(yàn)信息的情況下，僅根據(jù)觀測(cè)到的單路混合信號(hào)恢復(fù)原聲源的過程。計(jì)算聽覺場(chǎng)景分析(Computational auditory scene analysis，CASA)是解決該問題的一種新方法。它通過尋找語音中感知相關(guān)的區(qū)分性特征實(shí)現(xiàn)語音分離，并避免了對(duì)噪聲特性的過多假設(shè)。
　　當(dāng)前，CASA的研究主要集中于兩個(gè)方向:1）數(shù)據(jù)

2、驅(qū)動(dòng)型CASA;2）基于模型的CASA。前者主要對(duì)應(yīng)于生物快速的、本能的條件反射;而后者主要針對(duì)相對(duì)緩慢的、高層的推理過程。在應(yīng)對(duì)復(fù)雜聲場(chǎng)景時(shí)，生物所具備的迅速反應(yīng)能力預(yù)示著聲源分離的工作很大程度是在底層完成的。有鑒于此，本文對(duì)數(shù)據(jù)驅(qū)動(dòng)型CASA進(jìn)行了較為深入的研究，其中主要的工作和貢獻(xiàn)如下:
　　1.針對(duì)短時(shí)幅度調(diào)制譜(Amplitude modulation spectrum，AMS)分辨率低的特點(diǎn)，提出了一種重分配(reas

3、signment)策略的雙話者(Co-channel)語音分離算法。該算法通過可變截止頻率的低通濾波器抽取出依子帶變化的幅度調(diào)制信號(hào)(Amplitude Modulation，AM);接著，將抽取出的AM信號(hào)譜(spectrum)上的每一能量點(diǎn)重新放置，有效實(shí)現(xiàn)了信號(hào)成分的會(huì)聚，并緩解了時(shí)間分辨率和頻率分辨率的矛盾。實(shí)驗(yàn)結(jié)果表明，基于重分配AMS的語音分離方法具有明顯改善的性能。
　　2.受Schroeder直方圖、Goldste

4、in聽覺感知理論以及Meddis“相關(guān)圖”(Correlo-gram)的啟發(fā)，提出了一種基于“高斯圖”(Gaussgram)的多基音(multi-pitch)檢測(cè)算法。“高斯圖”通過采用可變帶寬的高斯函數(shù)修正“相關(guān)圖”得到，具有抑制次諧波(sub-harmonics)的特點(diǎn)。將其用于檢測(cè)基音，單幀基音檢測(cè)的半頻錯(cuò)誤明顯減少。另一方面，該方法采用檢測(cè)得到的主基音軌跡消除其次諧波軌跡，進(jìn)一步抑制了半頻錯(cuò)誤。系統(tǒng)評(píng)估表明，提出的多基音檢測(cè)算法