語音特征波形的非負(fù)矩陣分解研究.pdf

1、針對目前傳統(tǒng)的特征波形(Characteristic Waveform,CW)分解方法很難在分解精度、計(jì)算復(fù)雜度、延時(shí)這三個(gè)指標(biāo)上達(dá)到統(tǒng)一的缺點(diǎn),本實(shí)驗(yàn)室已經(jīng)有人提出利用非負(fù)矩陣分解(Nonnegative Matrix Factorization,NMF),來分解CW,并且產(chǎn)生了基于非負(fù)矩陣分解的波形內(nèi)插(Waveform Inerpolation based on Nonnegative Matrix Factorization,N

2、MF-WI)編碼器,但是原NMF-WI模型存在收斂速度慢,基矩陣不夠稀疏等缺點(diǎn),模型還不夠成熟,有一些待改進(jìn)的地方。 本文在此基礎(chǔ)上針對NMF-WI語音編碼模型和相位合成等關(guān)鍵技術(shù)進(jìn)行了深入的研究,提出了一系列改進(jìn)算法,并最終提出了2kbps改進(jìn)型NMF-WI語音編碼方法。本文的改進(jìn)主要體現(xiàn)為如下幾方面： 一、采用基于K-L散度的NMF方法分解CW,與原方法相比,絕對誤差下降了約1/3,計(jì)算復(fù)雜度也大大降低； 二

3、、提出了一種收斂速度更快的基矢量Mel刻度分帶初始化方法,得到的基矩陣更稀疏,冗余度更低,與原方法相比,更符合語音的感知特性； 三、為了降低計(jì)算復(fù)雜度,按照基音周期的統(tǒng)計(jì)分布將CW分為6類,在絕對誤差沒有降低的情況下,平均收斂速度提高了30％； 四、提出了兩種分解階數(shù)的計(jì)算方法,增強(qiáng)了原來實(shí)驗(yàn)方案的理論基礎(chǔ),得到了更加合理的分解階數(shù),降低了計(jì)算復(fù)雜度,而絕對誤差沒有明顯提高； 五、提出了一種相位譜的混合自回歸合成