神經(jīng)網(wǎng)絡(luò)在語(yǔ)音質(zhì)量客觀評(píng)價(jià)中應(yīng)用的研究.pdf

1、在傳統(tǒng)的基于聽(tīng)覺(jué)模型的語(yǔ)音質(zhì)量客觀評(píng)價(jià)方法中,通常需要引進(jìn)過(guò)于復(fù)雜的符合人耳特性的數(shù)學(xué)模型,用來(lái)描述聽(tīng)覺(jué)系統(tǒng)的感知行為,給實(shí)際使用帶來(lái)了很大的不便.該文將從譜失真測(cè)度本身出發(fā)來(lái)解決這一問(wèn)題,即用較簡(jiǎn)單的特征參數(shù)描述語(yǔ)音信號(hào)的譜特征,如Mel頻率倒譜系數(shù)(MFCC)和Bark譜距離(BSD)測(cè)度,來(lái)代替復(fù)雜的數(shù)學(xué)模型逼近,而把那些反映聽(tīng)覺(jué)特性復(fù)雜的處理功能放在矢量測(cè)度中來(lái)定義和計(jì)算.并且,對(duì)于高度非線性的聽(tīng)覺(jué)系統(tǒng),采用從有限的實(shí)際樣本中"

2、自學(xué)習(xí)"到具有輸入輸出關(guān)系能力的人工神經(jīng)網(wǎng)絡(luò)模型來(lái)實(shí)現(xiàn).在這有限的樣本有足夠的代表性的條件下,可以較好地逼近真實(shí)的聽(tīng)覺(jué)特性.基于這一思路,該文針對(duì)語(yǔ)音質(zhì)量客觀評(píng)價(jià)的應(yīng)用,以多層感知器和徑向基函數(shù)網(wǎng)絡(luò)模型替代MFCC、BSD參數(shù)對(duì)應(yīng)的歐氏距離,并以主觀評(píng)價(jià)結(jié)果作為期望值對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到了既真實(shí)充分地反映了人耳聽(tīng)覺(jué)特性,又計(jì)算簡(jiǎn)便的譜失真測(cè)度.徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)由于基函數(shù)具有快速學(xué)習(xí)能力的特性,并且所需逼近的非線性函數(shù)的形式對(duì)網(wǎng)絡(luò)性能的

3、影響并不是至關(guān)重要的,所以成功應(yīng)用網(wǎng)絡(luò)的關(guān)鍵因素是基函數(shù)中心的選取,中心選取不當(dāng)構(gòu)造出來(lái)的網(wǎng)絡(luò)性能一般不能令人滿意,故該文用了大量的篇幅討論了高斯函數(shù)中心的選取算法,以便有助于網(wǎng)絡(luò)能夠成功地用于實(shí)際.網(wǎng)絡(luò)所需要的訓(xùn)練樣本數(shù)據(jù)應(yīng)該是典型的、均勻分布的,整個(gè)數(shù)據(jù)集能夠代表所有數(shù)據(jù)特征的,但稍微有些冗余數(shù)據(jù)也是允許的.由于輸入網(wǎng)絡(luò)訓(xùn)練的語(yǔ)音譜失真測(cè)度數(shù)據(jù)是高維的,充斥著冗余數(shù)據(jù)和垃圾數(shù)據(jù),所以對(duì)數(shù)據(jù)的預(yù)處理要求很高,該文也給出了數(shù)據(jù)預(yù)處理的方