基于非負矩陣分解的單聲道語音分離研究.pdf

1、語音分離旨在從混合語音中提取單個說話者的語音信號。通常混合語音分為單通道和多通道，前者是指單個錄音器材錄制的混合語音，而后者是指采用多個錄音器材同時錄制的。分離前者的過程即為單通道語音分離，而分離后者即為多通道語音分離。由于單通道語音包含說話者的先驗知識較少，因而，單通道語音分離比多通道語音分離更為困難?，F(xiàn)有的各種語音分離器提供的人性化服務(wù)，越來越受到人們的認可和青睞。其中，語音分離技術(shù)可去除混合語音中的背景語音，提高語音的服務(wù)質(zhì)量，在

2、語音服務(wù)中起到重要作用。
　　在單聲道語音分離中，非負矩陣分解(Nonnegative Matrix Factorization，NMF)將語音信號的幅度譜或平方譜近似地分解為兩個非負的基矩陣和系數(shù)矩陣的乘積。基矩陣能夠很好地反映說話者的頻譜特性。因此，通過利用單個源語音信號的訓(xùn)練數(shù)據(jù)來學(xué)習(xí)特征，NMF可以從混合信號中有效地分辨出屬于每個源語音的元素，從而成功地分離單聲道混合語音。NMF在單聲道語音分離中表現(xiàn)出的巨大潛力，本文基于

3、NMF，研究單聲道語音分離問題。
　　本文主要工作如下：
　　1)雖然卷積NMF(Convolutive Nonnegative Matrix Factorization，CNMF)和直推式NMF((Transductive Nonnegative Matrix Factorization，TNMF)都能夠比較有效地提取單個說話者的語音信號，但是TNMF無法捕捉信號連續(xù)性，而CNMF忽略混合信號中的有用信息。為解決TNMF和

4、CNMF的不足，本文提出了直推式卷積NMF(Transductive Convolutive Nonnegative Matrix Factorization，TCNMF)。TCNMF聯(lián)合使用訓(xùn)練數(shù)據(jù)和混合信號來為每個說話者學(xué)習(xí)若干個基矩陣。據(jù)此，TCNMF既能捕捉說話者的語音信號的連續(xù)性，又能充分利用混合信號來學(xué)習(xí)更加準確的基矩陣。在Grid語料庫上的實驗結(jié)果表明，與NMF、TNMF和CNMF相比，TCNMF顯著地提高了單聲道語音分離

5、性能。
　　2)與NMF相比，魯棒NMF(Robust Nonnegative Matrix Factorization，RNMF)能夠更加有效地處理噪音數(shù)據(jù)。但是，RNMF不能保證學(xué)習(xí)到的系數(shù)矩陣為稀疏的。為增強系數(shù)矩陣的稀疏性，本文提出魯棒非負局部坐標(biāo)分解(Robust Nonnegative Local Coordinate Factorization，RNLCF)。RNLCF中的局部坐標(biāo)正則項約束基向量與原始數(shù)據(jù)點盡可能地