基于計算聽覺場景分析的單通道語音盲分離技術(shù).pdf

1、作為最有效直接的交流方式，語音卻總是受到實際環(huán)境中各種干擾或噪聲的影響。但是基于人類獨(dú)特的聽覺場景分析，人耳總能妥善處理各種情況，敏銳地捕獲各種特定信號。利用計算機(jī)模擬人耳的感知過程并對聽覺場景進(jìn)行建模，實現(xiàn)語音分離的過程即計算聽覺場景分析（Computer Auditory Scene Analysis，CASA），已成為近年來語音信號處理領(lǐng)域的一個研究熱點(diǎn)。
　　本文在詳細(xì)分析 CASA理論知識及其經(jīng)典算法的基礎(chǔ)上，針對干擾信

2、號為非語音信號和其他語音信號兩種情況，研究基于 CASA的單通道語音分離問題。主要研究工作如下：
　　針對從非語音干擾中分離語音的問題，現(xiàn)有的基于 CASA的算法大多集中于對濁音分離的研究，對清音分離的研究較少。本文對基于 CASA和譜減法的清音分離算法進(jìn)行改進(jìn)，針對原算法運(yùn)算量大和清音背景噪聲估計不準(zhǔn)確的問題，在清音分離前先通過估計聲音信號的開始和結(jié)束時刻（Onset/Offsett）找出可能存在清音的時頻區(qū)域，并利用相鄰時頻單

3、元能量具有連續(xù)性的原理，對清音時頻塊中每一時頻單元分別進(jìn)行噪聲能量估計。仿真結(jié)果表明，改進(jìn)算法比原算法運(yùn)算量更小，對清音分離的有效性更高。
　　針對干擾信號也是語音即雙語音分離問題，本文提出了一種結(jié)合CASA和說話人識別的雙語音分離系統(tǒng)。利用Tandem算法實現(xiàn)濁音同時組織，基于Gammatone頻率倒譜系數(shù)（Gammatone frequency cepstral coefficients，GFCC）的聚類建立目標(biāo)函數(shù)實現(xiàn)說話人