單通道語音分離關(guān)鍵技術(shù)研究.pdf

1、隨著智能手機的普及，人機語音交互技術(shù)又一次迎來了發(fā)展的機會，如何讓人機語音交互變得方便高效成為近年來的研究熱點。語音分離作為人機語音交互技術(shù)中的核心問題，是自動語音識別、語言自動翻譯、說話者識別等技術(shù)的有力支撐。由于很多人機語音交互的實際應(yīng)用場景中只有一個語音輸入設(shè)備，單通道語音分離技術(shù)受到許多研究人員的關(guān)注。
　　以聽覺場景分析理論為基礎(chǔ)，研究人員提出了基于計算聽覺場景分析的單通道語音分離系統(tǒng)。這種語音分離系統(tǒng)的處理過程與人類聽

2、覺系統(tǒng)感知語音信號的過程類似，經(jīng)過不斷的改進(jìn)，取得了較好的分離效果。
　　本文對計算聽覺場景分析的相關(guān)理論和算法進(jìn)行了研究，詳細(xì)的介紹了目前比較先進(jìn)的Hu-Wang系統(tǒng)。并在Hu-Wang提出的單通道語音分離系統(tǒng)的基礎(chǔ)上，提出了一些改進(jìn)方法，本文主要的創(chuàng)新點如下：
　　1.本文通過使用數(shù)學(xué)形態(tài)學(xué)圖像處理技術(shù)，對CASA系統(tǒng)進(jìn)行初步濁音分段得到的二值掩碼圖進(jìn)行了改進(jìn)。傳統(tǒng)的CASA系統(tǒng)使用固定的閾值來進(jìn)行濁音的初步分段，導(dǎo)致得

3、到的二值掩碼圖中包含了殘余的噪聲和破損的語音。CASA系統(tǒng)后續(xù)的基音檢測和組合過程都是以這個二值掩碼圖為基礎(chǔ)的，不準(zhǔn)確的二值掩碼圖會嚴(yán)重的影響CASA系統(tǒng)的語音分離結(jié)果。本文利用數(shù)學(xué)形態(tài)學(xué)圖像處理技術(shù)，在二值掩碼圖的高頻區(qū)域利用開運算消除噪聲，在低頻區(qū)域利用閉運算修補目標(biāo)語音。實驗表明，該方法能有效的提高初步濁音分段結(jié)果中目標(biāo)語音信號的比例。
　　2.針對Hu-wang串聯(lián)語音分離系統(tǒng)在控制迭代過程中的不足，本文提出了一種基于語音

4、客觀評價算法改進(jìn)迭代過程的方法。具體的做法是，對每一次迭代的結(jié)果，都經(jīng)過后續(xù)的處理過程形成語音文件，將語音文件進(jìn)行p.563語音質(zhì)量檢測，通過語音質(zhì)量檢測的結(jié)果來決定是否需要再次進(jìn)行迭代。實驗證明利用語音客觀評價方法控制迭代流程要比傳統(tǒng)方式更好。第一，客觀語音質(zhì)量評價算法可以根據(jù)每次迭代后目標(biāo)語音的MOS-LQP評分值來控制迭代過程，讓整個語音分離系統(tǒng)能夠適用于不同的使用場景和不用的需求。第二，Hu-Wang系統(tǒng)中將數(shù)據(jù)是否收斂作為終止