多音頻信號分離與識別技術的研究.pdf

1、在現實環(huán)境中，音頻信號總是不可避免地會受到環(huán)境噪聲以及其他聲源信號的干擾，這給聲音信號的處理帶來諸多挑戰(zhàn)，另外如何在大量的音頻信息中迅速找到并識別出感興趣的聲音信息也是一個難點問題，同時更是近些年來聲音信號處理領域的研究熱點之一，因此多音頻信號分離與識別系統的建立，對于工業(yè)應用、國防軍事等很多相關領域都有極其重要的理論研究與應用的價值。
　　在已有的聽覺生理學的科研成果基礎上，建立了一個聽覺模型。該模型主要包括可以提升聲音數據中、

2、高頻特性的外耳、中耳模型，可以對音頻信號進行多頻道濾波處理的基底膜模型以及能夠獲得特征信息的內毛細胞-聽神經模型。
　　利用雙耳時間差、雙耳水平差、聽覺神經發(fā)放概率以及自相關圖譜等特征參數，實現多音頻信號的分離。系統闡述了將多頻率聲音信號的混合數據通過Gamma tone濾波器實現多頻率通道的分離，求出每一個頻率通道的信號的聲源位置方位角，根據方位角的差異將頻率通道劃分為幾個大的歸屬類別，由每個頻率通道的自相關圖譜等特征參數利用幅

3、度譜特征迭代算法來實現信號波形的重構，并且根據半波整流逆變換技術恢復前面丟失的負信號部分，以此來實現各個頻率通道聲音信號波形的恢復，把同屬一個類別的多個頻率通道的波形圖進行迭接相加，獲得了音頻信號的完整波形圖，其他歸屬類別的波形圖恢復過程相同。最終實現音頻信號的分離。
　　接著再對分離出來的各個音頻信號進行識別。本文在提取信號特征參數過程中主要獲得了兩個典型的特征：梅爾倒譜系數特征（MFCC）以及稀疏特征，然后利用支持向量機分別對