基于CASA的語音分離技術(shù)及應(yīng)用研究.pdf

1、近幾年,隨著智能電子產(chǎn)品的廣泛流行,語音技術(shù)尤其是自動語音識別技術(shù)也迎來了新的研究熱潮。在現(xiàn)實環(huán)境中,語音信號通常會受到各種噪聲的干擾,降低了信號的質(zhì)量以及識別度,從而導(dǎo)致了語音技術(shù)不能很好的應(yīng)用和推廣。
　　為了解決這個問題通常會考慮利用降噪技術(shù),傳統(tǒng)降噪技術(shù)雖然經(jīng)過多年的發(fā)展,但大部分是基于統(tǒng)計特性的,并且被處理的語音需要滿足一定的約束條件,因此仍然有很多難以解決的問題。人類聽覺系統(tǒng)對語音信號的感知力遠遠超過了現(xiàn)在的聲音信號處

2、理水平,研究人員對人類的聽覺系統(tǒng)進行了研究,希望用機器模擬人類聽覺系統(tǒng)對語音信號的感知過程,計算聽覺場景分析(Computational Auditory Scene Analysis, CASA)就是這類研究中的一種典型方法。研究人員利用 CASA理論開發(fā)出了一些語音除噪系統(tǒng),其中比較成功的系統(tǒng)是Hu-Wang系統(tǒng),這些系統(tǒng)能夠?qū)⒄Z音信號從含有噪聲的混合音頻信號中分離出來。
　　本文對CASA的相關(guān)理論技術(shù)以及基于CASA的語音

3、分離系統(tǒng)進行了研究,并對具有代表性的Hu-Wang語音分離系統(tǒng)提出一些改進的方法,論文主要包括下面幾項工作:
　　1.提出了一種利用基于單位幀內(nèi)高低頻能量比來約束混合線索的分段算法。在高頻區(qū)域,語音信號不會存在較高的能量,如果此區(qū)域受到噪聲干擾,則分離線索也會受到相應(yīng)的干擾,從而影響時頻單元的分段效果。因此以提高時頻單元在分段環(huán)節(jié)的合并效果作為改進方向,提出了一種基于單位幀內(nèi)高低頻能量比約束混合線索的分段算法。實驗表明此算法能夠有

4、效提高系統(tǒng)的分離性能。
　　2.將音質(zhì)客觀評價系統(tǒng)和 CASA系統(tǒng)相融合。語音分離的性能評測標準通常是信噪比,但信噪比提高,并不意味著人對語音質(zhì)量的感知效果會相應(yīng)提高。因此本文嘗試把音質(zhì)客觀評價系統(tǒng)和CASA系統(tǒng)相融合,以達到在提高語音分離信噪比增益的同時也能夠提高音質(zhì)感知的效果。實驗表明此方法能夠較好的提高分離結(jié)果的語音質(zhì)量。
　　3.基于CASA技術(shù)的改進語音分離系統(tǒng)設(shè)計與實現(xiàn)。將上述兩種改進方法融入語音分離的相關(guān)環(huán)節(jié),