魯棒的雙耳語(yǔ)音分離算法的研究.pdf

1、語(yǔ)音分離的研究在語(yǔ)音通信、信號(hào)增強(qiáng)等領(lǐng)域有著重要意義。語(yǔ)音分離作為語(yǔ)音信號(hào)處理的前端模塊，其性能的好壞直接決定整個(gè)語(yǔ)音系統(tǒng)的性能優(yōu)劣?；谌说碾p耳聽(tīng)覺(jué)機(jī)制，雙耳語(yǔ)音分離比單聲道語(yǔ)音分離有著更加魯棒的特性。因此，本文探討魯棒的雙耳語(yǔ)音分離問(wèn)題，基于空間線索和時(shí)頻分析特性，提出了多聲源混合語(yǔ)音的雙耳語(yǔ)音分離算法。論文提出的算法包括兩個(gè)方面:基于改進(jìn)DUET(Degenerate Unmixing Estimation Technique)算

2、法的平滑分離技術(shù)、基于計(jì)算機(jī)聽(tīng)覺(jué)場(chǎng)景分析CASA(Computational Auditory Scene Analysis)的子帶分離算法。
　　(1)基于DUET算法的平滑技術(shù)。傳統(tǒng)的DUET分離算法基于語(yǔ)音信號(hào)的頻域稀疏性，生成不同聲源語(yǔ)音的二值掩膜，然而，這種硬編碼的方式會(huì)產(chǎn)生目標(biāo)聲源頻域頻點(diǎn)成分丟失的問(wèn)題。本文提出構(gòu)建概率形式的掩膜，利用兩種思路實(shí)現(xiàn)軟編碼。一種是基于Gammatone濾波器組的子帶平滑，利用已有的二值掩

3、膜和子帶的頻譜函數(shù)，計(jì)算各個(gè)子帶的比重系數(shù)，推導(dǎo)出每個(gè)時(shí)頻點(diǎn)的軟編碼值。另一種是基于Sigmoid函數(shù)的平滑，Sigmoid函數(shù)對(duì)于分布概率密度函數(shù)呈倒鐘形的信號(hào)有著優(yōu)秀的擬合能力，將候選方位的匹配距離轉(zhuǎn)換成分離語(yǔ)音的軟編碼形式的掩膜。本文采用PES Q(Perceptual Evaluation of Speech Quality)值作為評(píng)價(jià)指標(biāo)，仿真實(shí)驗(yàn)表明兩種平滑技術(shù)在多種環(huán)境下均能取得了魯棒的提升。
　　(2)基于計(jì)算機(jī)聽(tīng)

4、覺(jué)場(chǎng)景分析CASA的子帶分離算法?；旌险Z(yǔ)音經(jīng)過(guò)子帶濾波和分幀加窗，得到時(shí)頻單元，即T-F(Time-Frequence)單元。雙耳語(yǔ)音分離問(wèn)題演變成T-F單元的歸屬問(wèn)題。本文提出兩種算法得到T-F單元的掩膜矩陣。其一為基于核密度估計(jì)KDE(Kernel Density Estimation)的生成模型。訓(xùn)練階段，利用核密度估計(jì)函數(shù)計(jì)算得到不同方位角各個(gè)子帶的特征分布的概率密度函數(shù)庫(kù)，測(cè)試階段，通過(guò)比較混合語(yǔ)音的T-F單元的特征矢量在不同

5、角度的概率密度大小，確定T-F單元的歸屬;其二為基于支持向量機(jī)SVM(Support Vector Machine)的判別模型。這里將雙耳語(yǔ)音分離問(wèn)題看成多分類(lèi)問(wèn)題，在特征空間，訓(xùn)練一個(gè)SVM多分類(lèi)器，從而計(jì)算混合語(yǔ)音的T-F單元對(duì)應(yīng)的特征矢量的歸屬。兩種算法采用的雙耳特征均為耳間時(shí)間差I(lǐng)TD(Interaural Time Difference)和耳間強(qiáng)度差I(lǐng)ID(Interaural Intensity Difference)。本文