應用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Guenther教授帶領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）表現出非平穩(wěn)性且具有多種多形態(tài)瞬時結構波形，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上，提出了一種專門適用于腦電信號結構的過完備原子庫構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模型的語音學習能力。
　　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效果更好。接著，在分析了稀疏分解的去噪原理后，應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，結合自適應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模型在學習中文元音發(fā)音時的聚類效果及發(fā)音精度。
　　本文所