神經(jīng)網(wǎng)絡(luò)在語音質(zhì)量客觀評價中應(yīng)用的研究.pdf

1、在傳統(tǒng)的基于聽覺模型的語音質(zhì)量客觀評價方法中,通常需要引進過于復(fù)雜的符合人耳特性的數(shù)學模型,用來描述聽覺系統(tǒng)的感知行為,給實際使用帶來了很大的不便.該文將從譜失真測度本身出發(fā)來解決這一問題,即用較簡單的特征參數(shù)描述語音信號的譜特征,如Mel頻率倒譜系數(shù)(MFCC)和Bark譜距離(BSD)測度,來代替復(fù)雜的數(shù)學模型逼近,而把那些反映聽覺特性復(fù)雜的處理功能放在矢量測度中來定義和計算.并且,對于高度非線性的聽覺系統(tǒng),采用從有限的實際樣本中"

2、自學習"到具有輸入輸出關(guān)系能力的人工神經(jīng)網(wǎng)絡(luò)模型來實現(xiàn).在這有限的樣本有足夠的代表性的條件下,可以較好地逼近真實的聽覺特性.基于這一思路,該文針對語音質(zhì)量客觀評價的應(yīng)用,以多層感知器和徑向基函數(shù)網(wǎng)絡(luò)模型替代MFCC、BSD參數(shù)對應(yīng)的歐氏距離,并以主觀評價結(jié)果作為期望值對網(wǎng)絡(luò)進行訓練,得到了既真實充分地反映了人耳聽覺特性,又計算簡便的譜失真測度.徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)由于基函數(shù)具有快速學習能力的特性,并且所需逼近的非線性函數(shù)的形式對網(wǎng)絡(luò)性能的

3、影響并不是至關(guān)重要的,所以成功應(yīng)用網(wǎng)絡(luò)的關(guān)鍵因素是基函數(shù)中心的選取,中心選取不當構(gòu)造出來的網(wǎng)絡(luò)性能一般不能令人滿意,故該文用了大量的篇幅討論了高斯函數(shù)中心的選取算法,以便有助于網(wǎng)絡(luò)能夠成功地用于實際.網(wǎng)絡(luò)所需要的訓練樣本數(shù)據(jù)應(yīng)該是典型的、均勻分布的,整個數(shù)據(jù)集能夠代表所有數(shù)據(jù)特征的,但稍微有些冗余數(shù)據(jù)也是允許的.由于輸入網(wǎng)絡(luò)訓練的語音譜失真測度數(shù)據(jù)是高維的,充斥著冗余數(shù)據(jù)和垃圾數(shù)據(jù),所以對數(shù)據(jù)的預(yù)處理要求很高,該文也給出了數(shù)據(jù)預(yù)處理的方