基于計算聽覺場景分析的單聲道語音分離研究.pdf

1、在現(xiàn)實環(huán)境中,語音信號往往受到來自不同聲源的背景噪聲的干擾。噪聲會極大地降低語音信號的質(zhì)量和可懂度,進而嚴重阻礙語音技術在實際中的應用。因此,如何從混合信號中提取出目標語音成為制約語音技術發(fā)展的一個瓶頸問題。根據(jù)系統(tǒng)中可使用的拾音器的多少,相關問題被稱為多聲道、雙聲道或單聲道語音分離問題。其中,尤以單聲道語音分離問題的求解最為困難。
　　 本文主要研究單聲道語音分離問題。借助于計算聽覺場景分析技術,我們對聽覺分割、聽覺重組和聽覺

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

3、導聽覺分割過程。實驗結果表明,該方法通過生成更加可靠的聽覺片段,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覺重組方法。在聽覺重組環(huán)節(jié),來自同一聲源的聽覺片段被重組到對應于目標語音和噪聲的聽覺流中。在該方法中,首先根據(jù)周期和幅度調(diào)制原則將聽覺片段重組到聽覺流中。然后,基于混合信號在頻率通道的能量分布,在高頻區(qū)域找出被噪聲干擾嚴重的時頻單元,并將它們從目標聽覺流中去除。實驗結果表明,該聽覺重組方法可以從目標聽覺流中

4、去除更多由噪聲主導的時頻單元,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覺組織方法。在聽覺組織階段,混合信號的時頻單元被分配到對應于目標語音或者噪聲的聽覺流中。該組織過程主要包括聽覺分割和聽覺重組兩個環(huán)節(jié)。我們將所開發(fā)的聽覺分割和聽覺重組方法融合在一起,使之共同參與改進聽覺組織的過程。實驗結果表明,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