基于非負(fù)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(gè)說話者的語音信號(hào)。通?；旌险Z音分為單通道和多通道，前者是指單個(gè)錄音器材錄制的混合語音，而后者是指采用多個(gè)錄音器材同時(shí)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(yàn)知識(shí)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(rèn)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(fù)矩陣分解(Nonnegative Matrix Factorization，NMF)將語音信號(hào)的幅度譜或平方譜近似地分解為兩個(gè)非負(fù)的基矩陣和系數(shù)矩陣的乘積?；仃嚹軌蚝芎玫胤从痴f話者的頻譜特性。因此，通過利用單個(gè)源語音信號(hào)的訓(xùn)練數(shù)據(jù)來學(xué)習(xí)特征，NMF可以從混合信號(hào)中有效地分辨出屬于每個(gè)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(gè)說話者的語音信號(hào)，但是TNMF無法捕捉信號(hào)連續(xù)性，而CNMF忽略混合信號(hào)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(hào)來為每個(gè)說話者學(xué)習(xí)若干個(gè)基矩陣。據(jù)此，TCNMF既能捕捉說話者的語音信號(hào)的連續(xù)性，又能充分利用混合信號(hào)來學(xué)習(xí)更加準(zhǔn)確的基矩陣。在Grid語料庫上的實(shí)驗(yàn)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(qiáng)系數(shù)矩陣的稀疏性，本文提出魯棒非負(fù)局部坐標(biāo)分解(Robust Nonnegative Local Coordinate Factorization，RNLCF)。RNLCF中的局部坐標(biāo)正則項(xiàng)約束基向量與原始數(shù)據(jù)點(diǎn)盡可能地