多語音分離語音增強方法的研究.pdf

1、語音是人類進(jìn)行信息傳遞和交流的重要載體，語音的質(zhì)量能否得到保證不僅會影響到人耳的聽覺效果，還會影響到語音處理系統(tǒng)的各個環(huán)節(jié)。在實際環(huán)境中，由于各種類型干擾的存在，語音信號往往會受到各種各樣的污染，造成語音質(zhì)量的明顯下降。語音增強則是以去除各類干擾為出發(fā)點，盡可能地恢復(fù)出原始的純凈語音信號。針對不同類型的干擾，會有不同的語音增強方法。用于去除語音干擾的語音分離技術(shù)是當(dāng)前語音增強研究領(lǐng)域的熱點之一本文主要研究多語音分離語音增強問題，具體包括

2、以下三方面內(nèi)容：
　　 (1)基于獨立分量分析的語音信號盲源分離方法。在觀測信號個數(shù)不少于源信號個數(shù)的情況下，采用獨立分量分析技術(shù)可以很好地解決盲源分離問題，有效去除語音干擾。獨立分量分析技術(shù)的核心在于對解混矩陣(混合矩陣的逆矩陣)的求解，源信號則是通過解混矩陣與觀測信號向量直接相乘求得。本文在獨立分量分析快速算法的基礎(chǔ)上，研究了更為有效的改進(jìn)型快速算法和結(jié)合語音信號短時平穩(wěn)性的改進(jìn)算法，以提高解混矩陣的精度及源信號的恢復(fù)質(zhì)量。

3、
　　 (2)基于聚類的欠定盲辨識方法。對于觀測信號個數(shù)少于源信號個數(shù)的欠定盲源分離問題，獨立分量分析方法不再適用，此時估計系統(tǒng)混合矩陣需要利用源信號的稀疏性。本文研究了基于聚類的欠定盲辨識算法，給出一種采用迭代自組織數(shù)據(jù)分析技術(shù)來估計混合矩陣的方法，并采用去除野點的預(yù)處理步驟及逐步去除類中最大偏差樣本點的后置處理步驟，進(jìn)一步提高了算法的穩(wěn)定性和混合矩陣的估計精度。
　　 (3)欠定語音信號分離的逐層分離方法。在欠定盲源

4、分離問題中，通常利用源信號的稀疏性，采用統(tǒng)計學(xué)的方法來分離源信號。由于語音信號本身的稀疏性還不夠理想，并不嚴(yán)格滿足正交不重疊條件，因此分離出的源信號之間存在相互干擾和音樂噪聲比較明顯。本文通過對混合矩陣進(jìn)行逐次變換，采用從混合信號中逐步消去各個源信號，并由各混合信號中逐次產(chǎn)生的零值點來構(gòu)造多層二值掩蔽模板的方法，將源信號進(jìn)行逐層分離，在一定程度上抑制了分離出的源信號之間的相互干擾和音樂噪聲，提高了源信號的分離質(zhì)量。
　　 計算機