應(yīng)用DIVA模型處理中文語音信號方法的研究.pdf

1、隨著對腦功能成像研究的深入，人類對語音運動控制的機理有了一定的共識。基于此，波士頓大學(xué)Guenther教授帶領(lǐng)的研究小組提出了一個專門用于解釋語音生成和獲取過程的神經(jīng)計算模型DIVA(Directions Into Velocities of Articulators)。然而，作為DIVA模型輸入的腦電信號（ElectroEncephaloGram, EEG）表現(xiàn)出非平穩(wěn)性且具有多種多形態(tài)瞬時結(jié)構(gòu)波形，在采集過程中極易受到各種噪聲的干擾

2、，影響到模型對語音的正常處理。因此，本文在稀疏分解思想的基礎(chǔ)上，提出了一種專門適用于腦電信號結(jié)構(gòu)的過完備原子庫構(gòu)建方法來代替原有的Gabor原子庫，以達到去噪目的，進而提高DIVA模型的語音學(xué)習(xí)能力。
　　本文首先簡述了DIVA模型的基本原理和各組件間的作用及聯(lián)系，并探討了作為模型輸入的腦電信號的基本特性，同時對各傳統(tǒng)腦電信號去噪方法的原理和優(yōu)缺點做了專門說明。
　　然后，詳細描述了新的稀疏分解原子庫的構(gòu)造步驟，仿真實驗表明

3、了該原子庫較傳統(tǒng)的Gabor原子庫具有更優(yōu)的稀疏性，并且對腦電信號的重構(gòu)效果更好。接著，在分析了稀疏分解的去噪原理后，應(yīng)用這種原子庫消除了混雜在EEG信號中的噪聲，與傳統(tǒng)的小波去噪方法相比較，去噪效果明顯。
　　最后，針對DIVA模型原有語音--體覺映射算法存在的缺陷，結(jié)合自適應(yīng)組織映射及粒子群優(yōu)化混合算法，將去噪后的腦電信號輸入到DIVA模型中，有效的提高了DIVA模型在學(xué)習(xí)中文元音發(fā)音時的聚類效果及發(fā)音精度。
　　本文所