基于深度學(xué)習(xí)與并行計(jì)算的語音增強(qiáng)系統(tǒng).pdf

1、學(xué)校代碼!Q!至魚分類號(hào)!￡!墾墨論文題目學(xué)號(hào)墨!壘Q壁Q墨墨編號(hào)——基于深度學(xué)習(xí)與并行計(jì)算的語音增強(qiáng)系統(tǒng)學(xué)院：專業(yè)：研究方向：姓名：指導(dǎo)教師：計(jì)算機(jī)學(xué)院計(jì)算機(jī)技術(shù)人工智能與模式識(shí)別石博天張學(xué)良副教授2016年5月1日內(nèi)蒙古大學(xué)碩士學(xué)位論文基于深度學(xué)習(xí)與并行計(jì)算的語音增疊系統(tǒng)摘要近年來，隨著計(jì)算機(jī)性能的提升與機(jī)器學(xué)習(xí)優(yōu)化算法的出現(xiàn)，實(shí)時(shí)語音識(shí)別逐漸成為可能。盡管目前在安靜錄音室內(nèi)所錄制語音的識(shí)別準(zhǔn)確率已經(jīng)有大幅度提高，但在現(xiàn)實(shí)使用中卻依

2、然存在著不小的障礙。究其根本，現(xiàn)實(shí)環(huán)境相較于實(shí)驗(yàn)室內(nèi)，在原有的純凈語音信號(hào)之上夾雜了大量的噪聲。語音增強(qiáng)技術(shù)的出現(xiàn)，正是為了處理帶噪語音數(shù)據(jù)，還原純凈語音信息。語音增強(qiáng)(SpeechEnhancement)，也稱語音分離、語音降噪，是從有背景噪聲的語音中，提取有價(jià)值的語音信號(hào)，抑制無用的噪聲信號(hào)，從而提高信號(hào)的信噪比(Signal—NoiseRatio，SNR)，增強(qiáng)音頻內(nèi)容的辨識(shí)度。語音增強(qiáng)是很多語音處理工作必不可少的前置步驟。在諸多

3、研究、應(yīng)用領(lǐng)域有著很大的應(yīng)用價(jià)值。例如語音識(shí)別、助聽器、電話等系統(tǒng)中，語音增強(qiáng)效果的優(yōu)劣對(duì)后續(xù)工作有著很大的影響。傳統(tǒng)的語音增強(qiáng)多是基于數(shù)字信號(hào)處理的方法，這些算法提出難度大，運(yùn)算復(fù)雜度高，實(shí)現(xiàn)非常復(fù)雜。而在本題目中，我將會(huì)使用深度神經(jīng)網(wǎng)絡(luò)配合并行計(jì)算的方式來完成。深度神經(jīng)網(wǎng)絡(luò)(DeepNeuralNetwork，DNN)是近年來人工神經(jīng)網(wǎng)絡(luò)(ArtificalNeuralNetwork，ANN)在新理念上的延伸。深度神經(jīng)網(wǎng)絡(luò)通過加深網(wǎng)

4、絡(luò)層數(shù)，并配合相應(yīng)的優(yōu)化算法，以“表征學(xué)習(xí)(RepresentationLearning)”為目標(biāo)進(jìn)行訓(xùn)練。它摒棄了手工選擇特征的局限性，使用最原始數(shù)據(jù)，通過機(jī)器學(xué)習(xí)的方法“學(xué)習(xí)”到數(shù)據(jù)內(nèi)部最有價(jià)值的特征。這種特征表達(dá)方法與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)方法相比有著性能上的明顯優(yōu)勢(shì)。深度學(xué)習(xí)由于運(yùn)算量的巨大，導(dǎo)致其最近才逐漸被工業(yè)界所接受，并且開始了該領(lǐng)域的研究熱潮。由于通用圖形處理器(GeneralPurposeGraphicProcessUnit，G

5、PGPU)的出現(xiàn)，導(dǎo)致并行計(jì)算技術(shù)得到長(zhǎng)遠(yuǎn)發(fā)展。深度學(xué)習(xí)中大部分算法都能夠由相應(yīng)的矩陣運(yùn)算表示，這就使得深度學(xué)習(xí)非常適合利用GPU進(jìn)行訓(xùn)練、測(cè)試。然而，使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行語音增強(qiáng)，將引入泛化能力不足的問題。針對(duì)現(xiàn)實(shí)世界中存在的大量具有不同模式的噪聲，我們很難采用單一的人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行降噪。所以本文設(shè)計(jì)了多模型匹配系統(tǒng)架構(gòu)，并通過重構(gòu)誤差配合理想二值掩蔽進(jìn)行降噪和模型選擇，從而大幅度提升了系統(tǒng)的綜合性能。本研究的創(chuàng)新點(diǎn)主要體現(xiàn)在以下