魯棒的雙耳語音分離算法的研究.pdf

1、語音分離的研究在語音通信、信號增強(qiáng)等領(lǐng)域有著重要意義。語音分離作為語音信號處理的前端模塊，其性能的好壞直接決定整個語音系統(tǒng)的性能優(yōu)劣。基于人的雙耳聽覺機(jī)制，雙耳語音分離比單聲道語音分離有著更加魯棒的特性。因此，本文探討魯棒的雙耳語音分離問題，基于空間線索和時頻分析特性，提出了多聲源混合語音的雙耳語音分離算法。論文提出的算法包括兩個方面:基于改進(jìn)DUET(Degenerate Unmixing Estimation Technique)算

2、法的平滑分離技術(shù)、基于計算機(jī)聽覺場景分析CASA(Computational Auditory Scene Analysis)的子帶分離算法。
　　(1)基于DUET算法的平滑技術(shù)。傳統(tǒng)的DUET分離算法基于語音信號的頻域稀疏性，生成不同聲源語音的二值掩膜，然而，這種硬編碼的方式會產(chǎn)生目標(biāo)聲源頻域頻點成分丟失的問題。本文提出構(gòu)建概率形式的掩膜，利用兩種思路實現(xiàn)軟編碼。一種是基于Gammatone濾波器組的子帶平滑，利用已有的二值掩

3、膜和子帶的頻譜函數(shù)，計算各個子帶的比重系數(shù)，推導(dǎo)出每個時頻點的軟編碼值。另一種是基于Sigmoid函數(shù)的平滑，Sigmoid函數(shù)對于分布概率密度函數(shù)呈倒鐘形的信號有著優(yōu)秀的擬合能力，將候選方位的匹配距離轉(zhuǎn)換成分離語音的軟編碼形式的掩膜。本文采用PES Q(Perceptual Evaluation of Speech Quality)值作為評價指標(biāo)，仿真實驗表明兩種平滑技術(shù)在多種環(huán)境下均能取得了魯棒的提升。
　　(2)基于計算機(jī)聽

4、覺場景分析CASA的子帶分離算法。混合語音經(jīng)過子帶濾波和分幀加窗，得到時頻單元，即T-F(Time-Frequence)單元。雙耳語音分離問題演變成T-F單元的歸屬問題。本文提出兩種算法得到T-F單元的掩膜矩陣。其一為基于核密度估計KDE(Kernel Density Estimation)的生成模型。訓(xùn)練階段，利用核密度估計函數(shù)計算得到不同方位角各個子帶的特征分布的概率密度函數(shù)庫，測試階段，通過比較混合語音的T-F單元的特征矢量在不同

5、角度的概率密度大小，確定T-F單元的歸屬;其二為基于支持向量機(jī)SVM(Support Vector Machine)的判別模型。這里將雙耳語音分離問題看成多分類問題，在特征空間，訓(xùn)練一個SVM多分類器，從而計算混合語音的T-F單元對應(yīng)的特征矢量的歸屬。兩種算法采用的雙耳特征均為耳間時間差I(lǐng)TD(Interaural Time Difference)和耳間強(qiáng)度差I(lǐng)ID(Interaural Intensity Difference)。本文