混合聲音信號辨別的并行化方法的研究與實現(xiàn).pdf

1、人們聽到的聲音往往都是由多個聲音混合而成的，如何從混合的聲音信號中快速而準(zhǔn)確的分辨出感興趣的聲音信號，一直是研究的熱點。傳統(tǒng)的方法可以進行簡單的聲源辨別，但是當(dāng)涉及到大數(shù)據(jù)量的聲音信號處理時，影響了其應(yīng)用的實時性和準(zhǔn)確性。隨著人工智能時代的到來，以深度學(xué)習(xí)和GPU并行計算為代表的新技術(shù)為大數(shù)據(jù)量的聲音信號處理提供了解決思路，為此本文設(shè)計了混合聲音信號辨別的并行化方法，并開展了以下工作：
　　1．分析了國內(nèi)外混合聲音信號的研究現(xiàn)狀以

2、及發(fā)展趨勢，以混合聲音信號為切入點，學(xué)習(xí)了混合聲音信號辨別和GPU并行計算的相關(guān)知識，并研究了混合聲音信號分離以及聲源辨別的常用方法。
　　2．對混合聲音信號進行去均值和白化等預(yù)處理，選取基于負熵的Fast-ICA算法進行混合聲音信號分離，通過分析混合聲音信號分離過程尋找制約其快速分離的原因，并利用GPU并行化進行加速改進。
　　3．對分離后的聲音信號進行多特征值提取，并將提取出的特征值進行融合組成復(fù)合特征值，再進行聲源辨別

3、。在辨別過程中，由于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)存在學(xué)習(xí)能力不足的問題，針對這個缺陷，引入了基于深度信念網(wǎng)絡(luò)（DBN）的聲源辨別模型，以提升混合聲音信號辨別的準(zhǔn)確率。
　　4．由于要進行大數(shù)據(jù)量的聲音信號處理，并且聲音信號在處理過程中同時又具有方法一致、獨立性強的特點，于是采用GPU并行化方法分別對基于負熵的Fast ICA算法、特征值提取和深度信念網(wǎng)絡(luò)模型的訓(xùn)練過程等操作進行優(yōu)化，提高了混合聲音信號辨別方法的處理效率。
　　通過仿真和實驗