多音頻信號分離與識別技術(shù)的研究.pdf

1、在現(xiàn)實(shí)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(gè)難點(diǎn)問題，同時(shí)更是近些年來聲音信號處理領(lǐng)域的研究熱點(diǎn)之一，因此多音頻信號分離與識別系統(tǒng)的建立，對于工業(yè)應(yīng)用、國防軍事等很多相關(guān)領(lǐng)域都有極其重要的理論研究與應(yīng)用的價(jià)值。
　　在已有的聽覺生理學(xué)的科研成果基礎(chǔ)上，建立了一個(gè)聽覺模型。該模型主要包括可以提升聲音數(shù)據(jù)中、

2、高頻特性的外耳、中耳模型，可以對音頻信號進(jìn)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(nèi)毛細(xì)胞-聽神經(jīng)模型。
　　利用雙耳時(shí)間差、雙耳水平差、聽覺神經(jīng)發(fā)放概率以及自相關(guān)圖譜等特征參數(shù)，實(shí)現(xiàn)多音頻信號的分離。系統(tǒng)闡述了將多頻率聲音信號的混合數(shù)據(jù)通過Gamma tone濾波器實(shí)現(xiàn)多頻率通道的分離，求出每一個(gè)頻率通道的信號的聲源位置方位角，根據(jù)方位角的差異將頻率通道劃分為幾個(gè)大的歸屬類別，由每個(gè)頻率通道的自相關(guān)圖譜等特征參數(shù)利用幅

3、度譜特征迭代算法來實(shí)現(xiàn)信號波形的重構(gòu)，并且根據(jù)半波整流逆變換技術(shù)恢復(fù)前面丟失的負(fù)信號部分，以此來實(shí)現(xiàn)各個(gè)頻率通道聲音信號波形的恢復(fù)，把同屬一個(gè)類別的多個(gè)頻率通道的波形圖進(jìn)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(fù)過程相同。最終實(shí)現(xiàn)音頻信號的分離。
　　接著再對分離出來的各個(gè)音頻信號進(jìn)行識別。本文在提取信號特征參數(shù)過程中主要獲得了兩個(gè)典型的特征：梅爾倒譜系數(shù)特征（MFCC）以及稀疏特征，然后利用支持向量機(jī)分別對