基于深層神經(jīng)網(wǎng)絡(luò)的語音增強(qiáng)方法研究.pdf_第1頁
已閱讀1頁,還剩125頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、語音增強(qiáng)是語音信號處理研究領(lǐng)域的一個(gè)重要分支。在過去的幾十年中,有很多無監(jiān)督的語音增強(qiáng)方法被提出,它們主要是通過先估計(jì)噪聲的譜信息,然后從帶噪語譜中將估計(jì)的噪聲譜減掉以得到對干凈語音譜的預(yù)測。但是由于噪聲的隨機(jī)性和突變性,使得對噪聲的跟蹤和估計(jì)變得困難。同時(shí)在傳統(tǒng)的語音增強(qiáng)方法中,考慮到噪聲和語音間的相互作用關(guān)系很復(fù)雜,就需要一些對信號間的獨(dú)立性假設(shè)以及對特征分布的高斯性假設(shè),而這些假設(shè)通常是不合理的。首先,傳統(tǒng)的語音增強(qiáng)方法會殘留很多

2、噪聲,甚至是音樂噪聲。其次,語音的細(xì)節(jié)也在較大程度上受到破壞,這主要體現(xiàn)在對低信噪比語音的增強(qiáng)中。再者,極端非平穩(wěn)噪聲一直是傳統(tǒng)語音增強(qiáng)方法中比較棘手的地方,因?yàn)榉瞧椒€(wěn)噪聲的突發(fā)性,使得它始終處于被欠估計(jì)狀態(tài),難以從帶噪語音中去掉,可實(shí)際聲學(xué)環(huán)境中,各種非平穩(wěn)噪聲又是大概率發(fā)生事件。最后,傳統(tǒng)的語音增強(qiáng)方法易引入一些非線性失真,使得其對后端的語音識別或語音編碼產(chǎn)生不良影響。
  近年來,隨著深層神經(jīng)網(wǎng)絡(luò)(Deep Neural N

3、etwork,DNN)在語音識別領(lǐng)域的成功應(yīng)用,給了語音增強(qiáng)任務(wù)的研究人員很多啟發(fā)。DNN的深層非線性結(jié)構(gòu)可以被設(shè)計(jì)成一個(gè)精細(xì)的降噪濾波器。同時(shí)基于大數(shù)據(jù)訓(xùn)練,DNN可以充分學(xué)習(xí)帶噪語音和干凈語音之間的復(fù)雜的非線性關(guān)系。另外DNN的訓(xùn)練是離線學(xué)習(xí)的,如同人一樣,它能記住一些噪聲的模式,因而可以很好地抑制一些非平穩(wěn)噪聲。而在本論文中,我們提出一種幾乎無任何假設(shè)的基于DNN的語音增強(qiáng)方法,并針對實(shí)際環(huán)境中語音增強(qiáng)問題展開了一系列系統(tǒng)性的研究

4、。
  首先我們提出了基于DNN的語音增強(qiáng)方法框架,對數(shù)功率譜被用作訓(xùn)練DNN模型的特征。DNN則作為映射函數(shù),可以從帶噪語音中預(yù)測出干凈語音。而DNN的訓(xùn)練是分兩步進(jìn)行的,即預(yù)訓(xùn)練和有監(jiān)督訓(xùn)練。預(yù)訓(xùn)練是基于受限玻爾茲曼機(jī)(Restricted Boltzmann Machine,RBM)的逐層貪婪式初始化,它可以防止DNN陷入局部最優(yōu)。而有監(jiān)督調(diào)優(yōu)可以精準(zhǔn)地學(xué)習(xí)帶噪語音和干凈語音之間的非線性關(guān)系。
  其次,DNN是一種有

5、監(jiān)督的學(xué)習(xí)模型,凡是有監(jiān)督的模型都存在如何應(yīng)對測試集不匹配問題,也即如何提升系統(tǒng)的泛化能力。上百種類型的噪聲數(shù)據(jù)被用來構(gòu)建大規(guī)模訓(xùn)練數(shù)據(jù),以此提高DNN模型對未見的測試噪聲環(huán)境的適應(yīng)性。同時(shí)我們發(fā)現(xiàn),通過此種方法,系統(tǒng)對非平穩(wěn)噪聲有非常強(qiáng)的抑制能力。噪聲告知訓(xùn)練也可以進(jìn)一步地增強(qiáng)模型對測試噪聲環(huán)境的預(yù)見能力。而丟棄(Dropout)法可以防止訓(xùn)練出現(xiàn)過擬合現(xiàn)象。另外,我們還針對DNN作為回歸模型出現(xiàn)的過平滑問題,提出了全局方差均衡方法以

6、提升增強(qiáng)的語音的聽感。
  再者,對測試中的不匹配帶噪語音需要做自適應(yīng),這個(gè)不匹配主要有:能量不匹配,噪聲環(huán)境不匹配和語言不匹配等方面。因此我們分別在特征層面,提出了均值移位方法,來解決測試語音的特征分布不一致的問題。而對于噪聲類型不匹配問題,我們提出了一種動(dòng)態(tài)的噪聲告知訓(xùn)練方法,即先用IBM動(dòng)態(tài)地估計(jì)每一幀的噪聲,然后用來輔助DNN的學(xué)習(xí)。語言不匹配問題,主要存在于跨語種測試的時(shí)候,由于不同語系發(fā)音上的差異性導(dǎo)致的丟音問題。我們

7、提出了通過轉(zhuǎn)移學(xué)習(xí)的方法,來自適應(yīng)地解決這個(gè)問題。
  最后,對數(shù)功率譜上的最小均方誤差是訓(xùn)練DNN的目標(biāo)函數(shù),但是直接去優(yōu)化這個(gè)目標(biāo)函數(shù)有一定困難的。我們提出了一種間接的目標(biāo)函數(shù)優(yōu)化方式??紤]到對數(shù)功率譜域上的各個(gè)維度間是相互獨(dú)立的,因此我們把梅爾倒頻譜參數(shù)(Mel Frequency Cepstrum Coefficient,MFCC)融合到系統(tǒng)中來,讓DNN去聯(lián)合優(yōu)化對數(shù)功率譜特征和MFCC特征。利用MFCC的每個(gè)參數(shù)都包含

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論