版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、語(yǔ)音分離即從得到的混合信號(hào)中分離出所有的信號(hào)分量;語(yǔ)音增強(qiáng)是要從混合信號(hào)中得到其中一路語(yǔ)音信號(hào),而將其它的成分看作背景噪聲。
語(yǔ)音增強(qiáng)可以看作是語(yǔ)音分離的特殊情況。
盲源分離是指在不知道源信號(hào)分布和混合方式的情況下,僅根據(jù)觀測(cè)到的雙路混合信號(hào)恢復(fù)源信號(hào)的過程。由于盲源分離無需知道信號(hào)的先驗(yàn)信息,從而在信號(hào)處理領(lǐng)域得到廣泛的應(yīng)用,語(yǔ)音盲分離更是因?yàn)槠鋵?shí)用性成為研究的熱點(diǎn)。語(yǔ)音盲分離技術(shù)對(duì)計(jì)算機(jī)聽覺、語(yǔ)音識(shí)別等方
2、面的研究具有重大意義,同時(shí)語(yǔ)音盲分離技術(shù)對(duì)語(yǔ)音通信、助聽器、電話遠(yuǎn)程會(huì)議等系統(tǒng)性能的提高也具有重要意義??傊Z(yǔ)音盲分離的研究具有非常重要的理論和應(yīng)用價(jià)值。
語(yǔ)音增強(qiáng)算法目標(biāo)在于減小單路含噪語(yǔ)音信號(hào)中的噪聲分量,提高語(yǔ)音的清晰度及可懂度,減小聽覺疲勞。因此語(yǔ)音增強(qiáng)算法也稱為去除噪聲算法。實(shí)際應(yīng)用中,更多情況是需要獲得所需要的語(yǔ)音信號(hào),因此語(yǔ)音增強(qiáng)算法的研究具有更高的實(shí)際意義。當(dāng)語(yǔ)音信號(hào)在聲源有噪聲干擾或在聲道受到噪聲干擾的
3、情況下,都需要用到語(yǔ)音增強(qiáng)技術(shù)。例如,在手機(jī)系統(tǒng)中,語(yǔ)音信號(hào)常受到發(fā)送端的環(huán)境干擾,如餐廳噪聲,汽車噪聲等。接收語(yǔ)音分離即從得到的混合信號(hào)中分離出所有的信號(hào)分量;語(yǔ)音增強(qiáng)是要從混合信號(hào)中得到其中一路語(yǔ)音信號(hào),而將其它的成分看作背景噪聲。
語(yǔ)音增強(qiáng)可以看作是語(yǔ)音分離的特殊情況。
盲源分離是指在不知道源信號(hào)分布和混合方式的情況下,僅根據(jù)觀測(cè)到的雙路混合信號(hào)恢復(fù)源信號(hào)的過程。由于盲源分離無需知道信號(hào)的先驗(yàn)信息,從而
4、在信號(hào)處理領(lǐng)域得到廣泛的應(yīng)用,語(yǔ)音盲分離更是因?yàn)槠鋵?shí)用性成為研究的熱點(diǎn)。語(yǔ)音盲分離技術(shù)對(duì)計(jì)算機(jī)聽覺、語(yǔ)音識(shí)別等方面的研究具有重大意義,同時(shí)語(yǔ)音盲分離技術(shù)對(duì)語(yǔ)音通信、助聽器、電話遠(yuǎn)程會(huì)議等系統(tǒng)性能的提高也具有重要意義??傊?,語(yǔ)音盲分離的研究具有非常重要的理論和應(yīng)用價(jià)值。
語(yǔ)音增強(qiáng)算法目標(biāo)在于減小單路含噪語(yǔ)音信號(hào)中的噪聲分量,提高語(yǔ)音的清晰度及可懂度,減小聽覺疲勞。因此語(yǔ)音增強(qiáng)算法也稱為去除噪聲算法。實(shí)際應(yīng)用中,更多情況是需要
5、獲得所需要的語(yǔ)音信號(hào),因此語(yǔ)音增強(qiáng)算法的研究具有更高的實(shí)際意義。當(dāng)語(yǔ)音信號(hào)在聲源有噪聲干擾或在聲道受到噪聲干擾的情況下,都需要用到語(yǔ)音增強(qiáng)技術(shù)。例如,在手機(jī)系統(tǒng)中,語(yǔ)音信號(hào)常受到發(fā)送端的環(huán)境干擾,如餐廳噪聲,汽車噪聲等。接收提出一些新的算法。
本文的研究工作從以下幾個(gè)方面展開。
基于盲源分離思想的等步長(zhǎng)自適應(yīng)分離算法(Equivariant adaptivesource separation:EASI)的步長(zhǎng)
6、是固定的,為了加快收斂速度和降低穩(wěn)態(tài)誤差,本文對(duì)迭代步長(zhǎng)進(jìn)行了改進(jìn),步長(zhǎng)根據(jù)分離狀態(tài)自適應(yīng)變化。增加步長(zhǎng)到一個(gè)大的穩(wěn)定值以達(dá)到最快收斂,而當(dāng)達(dá)到最佳收斂點(diǎn)的鄰域時(shí),則相應(yīng)減小步長(zhǎng)而降低失調(diào)誤差。
盲源分離算法可以分為兩部分,即分離矩陣的訓(xùn)練部分和應(yīng)用部分。
如何得到有效的分離矩陣是該算法分離效果好壞的關(guān)鍵。在基于信息最大化理論的盲源分離算法中,采用反正切函數(shù)作為傳遞函數(shù)I ψ進(jìn)行分離矩陣變化梯度的計(jì)算。若傳遞
7、函數(shù)的函數(shù)形式與源信號(hào)的累積概率分布函數(shù)(Cumulative Probability Functions: CPFs)分布不匹配,使用固定的傳遞函數(shù)形式將不能進(jìn)行有效分離。以CPFs 作為傳遞函數(shù)可以有效提高算法性能。
本文提出的基于徑向基函數(shù)(Radial Base Function:RBF)的反向傳播神經(jīng)網(wǎng)絡(luò)可簡(jiǎn)化CPFs的訓(xùn)練過程中求偏導(dǎo)的計(jì)算。
Β值自適應(yīng)MMSE 語(yǔ)音增強(qiáng)算法中β值的改變是按幀進(jìn)行
8、,當(dāng)前幀的β值是根據(jù)估計(jì)得到的當(dāng)前幀的信噪比(Signal Noise Ratio:SNR)及聽覺掩蔽閾值自適應(yīng)改變的。對(duì)每一幀信號(hào),都要事先估計(jì)這兩個(gè)參數(shù)。而由于語(yǔ)音信號(hào)的短時(shí)平穩(wěn)性,沒有必要對(duì)這兩個(gè)參數(shù)逐幀計(jì)算,只有在檢測(cè)到當(dāng)前語(yǔ)音幀內(nèi)出現(xiàn)音素的明顯過渡才進(jìn)行計(jì)算,這樣可以明顯減小計(jì)算量。
對(duì)數(shù)幅度譜估計(jì)均方誤差最小(Log Spectral Amplitude EstimateMinimum Mean Square
9、Error : LOGSTSA-MMSE)算法中,對(duì)噪聲快速準(zhǔn)確地估計(jì)對(duì)增強(qiáng)語(yǔ)音的性能有著重大影響。一般噪聲估計(jì)是在非語(yǔ)音段對(duì)噪聲的方差進(jìn)行估計(jì),該方法不能實(shí)時(shí)跟蹤噪聲的變化,尤其在有噪聲突變的情況下,增強(qiáng)語(yǔ)音的性能有所下降。本文設(shè)計(jì)并實(shí)現(xiàn)了基于統(tǒng)計(jì)信息的快速噪聲估計(jì)算法,并將其代替LOGSTSA-MMSE算法中的噪聲估計(jì)部分,提出一種新的語(yǔ)音增強(qiáng)算法。
在基于小波域?yàn)V波的語(yǔ)音增強(qiáng)算法中,閾值的選擇影響著增強(qiáng)信號(hào)的性能。采
10、用軟閾值的方法,閾值通過經(jīng)驗(yàn)公式獲得,此時(shí)對(duì)語(yǔ)音的損傷最小,但不能較好地去除噪聲的影響??蓸?gòu)造一個(gè)偽噪聲源,利用盲源分離的方法進(jìn)一步進(jìn)行增強(qiáng)處理。
總結(jié)全文,本文的主要工作如下:
1.提出一種步長(zhǎng)自適應(yīng)的EASI 語(yǔ)音盲分離算法?;诿ぴ捶蛛x思想的EASI算法的步長(zhǎng)是固定的,為了加快收斂速度和降低穩(wěn)態(tài)誤差,本文提出了一種步長(zhǎng)自適應(yīng)自然梯度算法。該算法中的步長(zhǎng)根據(jù)分離狀態(tài)自適應(yīng)變化。增加步長(zhǎng)到一個(gè)大的穩(wěn)定值以達(dá)
11、到最快收斂,而當(dāng)達(dá)到最佳收斂點(diǎn)的鄰域時(shí),則相應(yīng)減小步長(zhǎng)而降低失調(diào)誤差。仿真實(shí)驗(yàn)表明,該算法能很好地解決收斂速度和穩(wěn)態(tài)誤差之間的矛盾,其交叉談話誤差的改善高于傳統(tǒng)的EASI算法。
2.利用MLPs(Multipayer Perceptrons)或RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)化CPFs的訓(xùn)練過程中求偏導(dǎo)的計(jì)算,提出了一種基于最小互信息和MLPs 或RBF 神經(jīng)網(wǎng)絡(luò)的語(yǔ)音信號(hào)盲分離算法。該類算法
12、是在infomax算法的基礎(chǔ)上,結(jié)合前向型神經(jīng)網(wǎng)絡(luò)的信息傳播特性,優(yōu)化目標(biāo)函數(shù),在分離過程中盡可能地提取信號(hào)的獨(dú)立分量,把信號(hào)分離出來。同時(shí)比較了兩種網(wǎng)絡(luò)對(duì)分離語(yǔ)音信號(hào)的優(yōu)化性能。仿真實(shí)驗(yàn)表明,該算法能夠成功地分離混合語(yǔ)音信號(hào),且RBF 網(wǎng)絡(luò)比MLPs 網(wǎng)絡(luò)性能更好。
3.提出一種基于快速噪聲估計(jì)的LOGSTSA-MMSE 語(yǔ)音增強(qiáng)算法。實(shí)驗(yàn)表明,采用這種方法進(jìn)行噪聲估計(jì),可使增強(qiáng)語(yǔ)音SNR提高0.5dB 左右。
13、 另外,本文還在以下幾個(gè)方面進(jìn)行了研究。在基于時(shí)-頻分析的盲分離算法中,窗函數(shù)的長(zhǎng)度和形狀對(duì)分離語(yǔ)音信號(hào)的性能有著重要的影響。
本文比較了在不同窗函數(shù)和窗長(zhǎng)下分離語(yǔ)音信號(hào)的性能,實(shí)驗(yàn)表明對(duì)于語(yǔ)音這種短時(shí)平穩(wěn)信號(hào),窗長(zhǎng)選擇為256時(shí)可取得最佳的分離效果;提出一種簡(jiǎn)化的基于聽覺掩蔽特性的β階自適應(yīng)MMSE 語(yǔ)音增強(qiáng)算法。實(shí)驗(yàn)表明,簡(jiǎn)化算法在減小計(jì)算量的同時(shí)與原算法有著同樣的增強(qiáng)語(yǔ)音信噪比及聽覺感知特性;提出一種基于盲源分離
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 語(yǔ)音信號(hào)的盲分離算法研究.pdf
- 語(yǔ)音信號(hào)增強(qiáng)與分離算法研究.pdf
- 基于盲源分離的語(yǔ)音信號(hào)增強(qiáng)研究.pdf
- 混合語(yǔ)音信號(hào)盲分離的算法研究.pdf
- 混合語(yǔ)音信號(hào)的盲源分離算法研究.pdf
- 卷積語(yǔ)音信號(hào)盲分離的頻域算法研究.pdf
- 語(yǔ)音信號(hào)的盲源分離算法研究及應(yīng)用.pdf
- 欠通道混合語(yǔ)音信號(hào)盲分離算法研究.pdf
- 多路語(yǔ)音信號(hào)的盲分離.pdf
- 語(yǔ)音信號(hào)的欠定混合盲源分離算法研究.pdf
- 語(yǔ)音信號(hào)的盲源分離方法研究.pdf
- 混合語(yǔ)音信號(hào)盲分離的實(shí)驗(yàn)研究.pdf
- 語(yǔ)音信號(hào)盲分離技術(shù)的研究與應(yīng)用.pdf
- 卷積混疊語(yǔ)音信號(hào)頻域盲分離算法研究.pdf
- 基于譜稀疏特性的語(yǔ)音信號(hào)盲分離算法研究.pdf
- 多通道語(yǔ)音信號(hào)盲分離研究.pdf
- 基于非負(fù)矩陣分解的語(yǔ)音信號(hào)盲分離算法研究.pdf
- 基于時(shí)域的語(yǔ)音信號(hào)盲分離算法研究及其DSP實(shí)現(xiàn).pdf
- 基于螢火蟲算法的語(yǔ)音信號(hào)盲源分離研究.pdf
- 卷積混合語(yǔ)音信號(hào)頻域盲分離研究.pdf
評(píng)論
0/150
提交評(píng)論