魯棒的雙耳語音分離算法的研究.pdf

1、語音分離的研究在語音通信、信號增強等領域有著重要意義。語音分離作為語音信號處理的前端模塊，其性能的好壞直接決定整個語音系統(tǒng)的性能優(yōu)劣?；谌说碾p耳聽覺機制，雙耳語音分離比單聲道語音分離有著更加魯棒的特性。因此，本文探討魯棒的雙耳語音分離問題，基于空間線索和時頻分析特性，提出了多聲源混合語音的雙耳語音分離算法。論文提出的算法包括兩個方面:基于改進DUET(Degenerate Unmixing Estimation Technique)算

2、法的平滑分離技術、基于計算機聽覺場景分析CASA(Computational Auditory Scene Analysis)的子帶分離算法。
　　(1)基于DUET算法的平滑技術。傳統(tǒng)的DUET分離算法基于語音信號的頻域稀疏性，生成不同聲源語音的二值掩膜，然而，這種硬編碼的方式會產生目標聲源頻域頻點成分丟失的問題。本文提出構建概率形式的掩膜，利用兩種思路實現軟編碼。一種是基于Gammatone濾波器組的子帶平滑，利用已有的二值掩

3、膜和子帶的頻譜函數，計算各個子帶的比重系數，推導出每個時頻點的軟編碼值。另一種是基于Sigmoid函數的平滑，Sigmoid函數對于分布概率密度函數呈倒鐘形的信號有著優(yōu)秀的擬合能力，將候選方位的匹配距離轉換成分離語音的軟編碼形式的掩膜。本文采用PES Q(Perceptual Evaluation of Speech Quality)值作為評價指標，仿真實驗表明兩種平滑技術在多種環(huán)境下均能取得了魯棒的提升。
　　(2)基于計算機聽

4、覺場景分析CASA的子帶分離算法。混合語音經過子帶濾波和分幀加窗，得到時頻單元，即T-F(Time-Frequence)單元。雙耳語音分離問題演變成T-F單元的歸屬問題。本文提出兩種算法得到T-F單元的掩膜矩陣。其一為基于核密度估計KDE(Kernel Density Estimation)的生成模型。訓練階段，利用核密度估計函數計算得到不同方位角各個子帶的特征分布的概率密度函數庫，測試階段，通過比較混合語音的T-F單元的特征矢量在不同

5、角度的概率密度大小，確定T-F單元的歸屬;其二為基于支持向量機SVM(Support Vector Machine)的判別模型。這里將雙耳語音分離問題看成多分類問題，在特征空間，訓練一個SVM多分類器，從而計算混合語音的T-F單元對應的特征矢量的歸屬。兩種算法采用的雙耳特征均為耳間時間差ITD(Interaural Time Difference)和耳間強度差IID(Interaural Intensity Difference)。本文