可區(qū)分性原則在語音分離中的應用.pdf

1、語音技術是現(xiàn)代計算機技術中非常重要的技術。人與人之間進行交流的最自然方式是語言。而現(xiàn)代計算機的使用是通過鼠標和鍵盤輸入，通過顯示器、打印機等設備來得到計算機輸出的結果。這對人來說當然不是最自然的交流方式。從這個意義上來說，現(xiàn)代計算機并不是最終的和最好的產(chǎn)品；而只是人類以自己對環(huán)境的適應能力來屈就的產(chǎn)物。因此，一直以來，計算機科學家們都在尋找能夠使計算機能夠與人通過自然語言交流的技術。　　但是直到現(xiàn)在，語音技術還沒有全面進入實用化、商用

2、化。主要是因為現(xiàn)代語音技術還有兩個關鍵的問題沒有完全解決。其一是噪聲環(huán)境下的語音增強和分離技術；其二是完善的自然語言理解?！　〔荒芙鉀Q語音技術的這兩個非常關鍵的前、后端技術，語音技術就不可能進入大規(guī)模應用，只能是研究人員手中的玩具?！　≡肼暛h(huán)境下的語音識別技術一直都是語音識別系統(tǒng)的重點和難點。但是在很長的時間中，由于相應的數(shù)學方法和技術手段一直沒有得到發(fā)展，所以進步很慢?！　‰S著上世紀九十年代中期，高階統(tǒng)計學和分數(shù)低階統(tǒng)計學應用的

3、逐漸推廣，出現(xiàn)了從PCA(主成分分析)技術中發(fā)展出來的ICA技術，從FA(因子分析)技術中發(fā)展出來的IFA技術。這兩種技術不需要知道信號的先驗知識，就可以幾乎很完美地分離出每一個信號。雖然這兩種技術都存在一定缺陷，由于技術本身顯示出來的能力，導致現(xiàn)代信號分離技術(特別是盲信號分離技術的)的迅速發(fā)展?，F(xiàn)在，盲信號分離技術在其他方向也取得了一定進步，并因此帶動了語音分離技術的進步?！　⊥ㄟ^對大量文獻的閱讀、研究、抽象和總結，本文提出以下的

4、可區(qū)分性原則：　　原始混合信號可投影于這樣的投影空間，在該投影空間中同一信號由于某些特征而在投影空間中密集分布，而信號之間由于這些特征的區(qū)別在投影空間中完全分離或者稀疏過渡；或者不同信號雖然聚集在一起，但是投影空間足夠稀疏而可以相互區(qū)分?！　〔⒃谠撛瓌t指導下，提出了以下信號分離的廣義框架：　　1將信號投影到某一特征投影空間；　　2在該投影空間中對信號的參數(shù)按照一定規(guī)則聚類；　　3從投影空間將聚類后的信號向信號空間進行逆映射，重

5、構信號。　　以上的廣義框架就是信號分解技術的關鍵步驟。對于不同的算法，雖然進行分離的途徑之間極其不同，但是都要經(jīng)過以上的“投影—聚類—重構”過程。　　基于以上的可區(qū)分原則和由此推出的信號分離的廣義框架，本文分析了各種可能的可以進行信號分離的投影空間，并對在這些空間進行聚類的技術進行了分析?！　≡诖嘶A上，本文將兩種相應信號分離技術用到雙聲道語音分離技術。因為雙聲道語音分離往往需要分離出遠多于聲道數(shù)的源信號。這時問題是超定的，需要用