實際語音盲分離的客觀評價方法的研究.pdf

1、盲分離是當(dāng)今語音信號處理領(lǐng)域的新熱點(diǎn)，可以在源信號和信道沒有任何先驗知識的情況下，通過觀測到的幾個信號來恢復(fù)出未知語音源，而使用一般的語音增強(qiáng)和降噪方法進(jìn)行分離則比較困難。如何比較盲分離算法性能優(yōu)劣，將有效促進(jìn)算法的進(jìn)一步發(fā)展，因此盲分離的評價方法有重要意義。傳統(tǒng)的語音盲分離評價方法主要有基于混合矩陣和基于信號的兩大模型。隨著語音盲分離技術(shù)的不斷實用化，傳統(tǒng)的評價指標(biāo)因為依賴于已知源信號或信道等先驗知識，所以不符合實際信號采集模型，而僅

2、利用人耳判斷分離效果也不能客觀的評價盲分離算法性能。目前的研究中，尚沒有公認(rèn)的適用于實際語音盲分離的客觀評價指標(biāo)。 本論文對盲分離算法的評價方法進(jìn)行了系統(tǒng)的研究，重點(diǎn)分析了當(dāng)源信號和混合信道等先驗知識未知時，混合語音盲分離的評價問題，并提出了一些新的觀點(diǎn)和算法，具有一定的研究意義和實際應(yīng)用價值。論文的主要工作和創(chuàng)新點(diǎn)如下： 1、提出了基于極大似然的獨(dú)立性檢測方法：利用獨(dú)立分量分析的假設(shè)，通過比較各次計算的目標(biāo)函數(shù)收斂值的

3、大小，檢測由初值選取、核函數(shù)學(xué)習(xí)算法等因素造成性能差異。該方法適用于僅含觀測信號的采集環(huán)境，擺脫了傳統(tǒng)評價方法對先驗知識的依賴，具有一定的創(chuàng)新性； 2、提出了基于聽覺感知模型的評價方法：建立了同步比較模型，并將人耳聽覺對語音特征的感知和模式識別引入該模型，設(shè)計出了基于美爾倒譜系數(shù)的高斯混合模型的指標(biāo)和基于時域信號相關(guān)性的指標(biāo)。在此基礎(chǔ)上，提出了聽覺一獨(dú)立性聯(lián)合指標(biāo)。該指標(biāo)分別從聽覺感知域和信號獨(dú)立性角度客觀評價語音盲分離的性能，

4、具有一定創(chuàng)新性； 3、改進(jìn)了語音盲分離的可靠性算法：修正了Bootstrap樣本生成范圍的方法，并結(jié)合基于組平均距離策略的分級聚類，改進(jìn)了獨(dú)立分量分析的可靠性算法，獲得了更精確的參數(shù)，并分析了混合維度、運(yùn)算精度和可靠性的關(guān)系，具有一定創(chuàng)新性； 4、為了驗證以上評價方法的有效性，本文首先分析了盲分離性能指標(biāo)的基本理論，并對盲分離基本評價模型的多種評價算法進(jìn)行了仿真實驗。在獨(dú)立性檢測方面，以基于極大似然估計為例，對不同算法進(jìn)