基于聽覺神經(jīng)原理的語音信號(hào)處理.pdf

1、語音不僅是人類日常交流中的重要工具，也是百萬年來哺乳動(dòng)物大腦進(jìn)化的結(jié)果。這項(xiàng)復(fù)雜的功能是區(qū)分人類和其他動(dòng)物的重要標(biāo)志，包括了大腦對語言從聲音到圖形乃至抽象符號(hào)層面的神經(jīng)信息處理。盡管我們每天都要接觸這項(xiàng)功能，但是語音信息處理究竟發(fā)生在我們大腦中的哪里，以及這項(xiàng)功能是怎么發(fā)生的，這些問題我們依然沒有完整的答案。近幾十年來，心理學(xué)家和神經(jīng)科學(xué)家對人類聽覺的外圍系統(tǒng)，初級腦體，以及聽覺皮層都進(jìn)行了大量的觀察。這些結(jié)果，盡管還不能完全的解決大腦

2、語音處理機(jī)制的問題，但已經(jīng)讓我們對這個(gè)課題有了長足的了解。 另外一方面，隨著電子通信業(yè)的出現(xiàn)和計(jì)算機(jī)技術(shù)的發(fā)展，人們開始可以從數(shù)字信號(hào)處理的角度來了解語音。語音發(fā)聲所引起的物理振動(dòng)可以使用電子設(shè)備采集，然后這些信息可以利用計(jì)算機(jī)來進(jìn)行處理。數(shù)字語音信號(hào)的采集和處理成為了通信和電子工程領(lǐng)域的一個(gè)重要分支。 語音識(shí)別，也就是把數(shù)字語音信號(hào)轉(zhuǎn)化為文字的過程，是這個(gè)領(lǐng)域被研究的最多的也是最有難度的一個(gè)問題。盡管信號(hào)處理技術(shù)和計(jì)算機(jī)

3、的性能在以日新月異的速度發(fā)展，利用數(shù)字方式來處理語音仍然比不過人腦對語音的處理。人腦處理口語語言遠(yuǎn)比計(jì)算機(jī)的處理要魯棒。神經(jīng)系統(tǒng)在這項(xiàng)功能中的優(yōu)越性使得我們可以考慮在數(shù)字語音信號(hào)處理的過程中模擬人腦，從而提高系統(tǒng)的性能。 在本文中，我們用算法化的方法來模擬聽覺系統(tǒng)中的一些神經(jīng)信息處理機(jī)制，并把這些模塊應(yīng)用到語音識(shí)別系統(tǒng)中來進(jìn)行測試。我們首先使用非負(fù)矩陣分解（Non-negative matrix factorization，NM

4、F）的方法從語音信號(hào)中學(xué)習(xí)基函數(shù)，然后將這些基函數(shù)作為聽覺皮層神經(jīng)元時(shí)頻感受野（Spectral-temporal receptive fields，STRF）的計(jì)算模型。這些神經(jīng)元可以作為語音信號(hào)的特征提取系統(tǒng)。我們的實(shí)驗(yàn)顯示，這些特征對噪聲的魯棒性比傳統(tǒng)語音識(shí)別應(yīng)用中的特征要好。我們還使用了一個(gè)NMF的改進(jìn)版本，正交非負(fù)矩陣分解（Orthogonal non-negative matrix factorization,ONMF），作