面向欠定混合與動(dòng)態(tài)信源個(gè)數(shù)的語(yǔ)音盲解卷研究.pdf

1、現(xiàn)實(shí)環(huán)境中，麥克風(fēng)接收到的語(yǔ)音信號(hào)通常是純凈語(yǔ)音與其他干擾信號(hào)的卷積混合。有些情況下，人們對(duì)這些源信號(hào)及傳輸通道知之甚少，所以利用盲源分離(BlindSource Separation，BSS)方法，從麥克風(fēng)觀測(cè)信號(hào)（混合信號(hào)）中估計(jì)出純凈信號(hào)，即進(jìn)行語(yǔ)音盲解卷，已成為語(yǔ)音信號(hào)處理的重要課題。
　　在語(yǔ)音盲解卷中，存在兩種較為困難的情況。一是欠定混合情況，混合語(yǔ)音信號(hào)的數(shù)目少于源信號(hào)的數(shù)目。此時(shí)，一些傳統(tǒng)方法已經(jīng)無(wú)法實(shí)現(xiàn)分離。有學(xué)

2、者利用信號(hào)的稀疏性提出時(shí)頻掩蔽(masking)的分離算法，但若信號(hào)的稀疏性不夠強(qiáng)，該算法無(wú)法得到令人滿意的分離效果。再就是，現(xiàn)有的盲解卷算法大都是針對(duì)源信號(hào)個(gè)數(shù)已知且在分離過(guò)程中恒定的情況。然而，在實(shí)際混合過(guò)程中，源信號(hào)個(gè)數(shù)可能是時(shí)變的。這時(shí)，傳統(tǒng)方法將因模型失配而無(wú)能為力。
　　針對(duì)以上兩大問(wèn)題，本文主要做了以下三方面的工作:(1)研究了欠定卷積混合情況下，基于感興趣語(yǔ)音波達(dá)方向的時(shí)頻masking抽取算法，并提出了通過(guò)提高采

3、樣頻率來(lái)增強(qiáng)信號(hào)稀疏性的方法。應(yīng)用仿真和實(shí)際錄制語(yǔ)音信號(hào)的抽取實(shí)驗(yàn)結(jié)果表明，該方法能增強(qiáng)信號(hào)稀疏性，進(jìn)而提高語(yǔ)音的抽取性能。本文還通過(guò)大量仿真實(shí)驗(yàn)研究了源信號(hào)之間夾角及其波達(dá)方向?qū)Τ槿〗Y(jié)果的影響;(2)在將時(shí)頻masking分離算法應(yīng)用到欠定卷積混合語(yǔ)音的分離之中時(shí)，為了消除盲源分離頻域算法普遍存在的順序模糊性，本文研究了幅度相關(guān)性最大及mask聚類調(diào)序算法，并將這兩種算法結(jié)合起來(lái)，提出了一種新的改進(jìn)調(diào)序算法。仿真及實(shí)際語(yǔ)音分離實(shí)驗(yàn)結(jié)果