基于振蕩神經(jīng)網(wǎng)絡的語音分離算法的研究.pdf

1、語音分離是實現(xiàn)機器聽覺的一個重要而基礎性的任務，人們總是希望在一個有多個聲音源及各種環(huán)境噪聲的混合語音中提取出自己感興趣的聲音，這對于我們人類的聽覺系統(tǒng)來說是件容易的事，就如“雞尾酒會效應”里所提到的，人們可以在嘈雜的雞尾酒會上很準確的捕捉到自己感興趣的聲音。但這對于計算機來講是十分困難的。對于這個問題的研究很多學者提出了許多的方法。目前對于語音分離主要有盲源分離和基于場景分析兩類方法。對于聽覺場景分析的研究有兩種方法：聽覺場景分析，計

2、算聽覺場景分析。但是目前的語音分離算法還很難有效地模擬人耳的聽覺系統(tǒng)。
　　本文是結合振蕩神經(jīng)網(wǎng)絡模型來實現(xiàn)混合語音分離，這個模型的核心是一個兩層的振蕩神經(jīng)網(wǎng)絡，在這個兩層的神經(jīng)網(wǎng)絡中，在振蕩相關的基礎上實現(xiàn)流分離。在這個振蕩相關的結構里，第一層是分段層，將語音信號分成一系列的聽覺元素，第二層是組合層，將源自于同一聲音源的聽覺元素組合起來，是以形成兩個同步的振蕩塊的形式來表現(xiàn)的。在振蕩神經(jīng)網(wǎng)絡之前語音信號要經(jīng)過外圍聽覺模型以及中級