基于聽覺感知與張量模型的魯棒語音特征提取方法研究.pdf

1、聽覺感知計(jì)算是神經(jīng)計(jì)算科學(xué)領(lǐng)域的一個(gè)重要研究方向，其任務(wù)是以神經(jīng)生理學(xué)的研究成果為基礎(chǔ)，模擬人類聽覺信息處理的神經(jīng)模式，從計(jì)算的角度研究新的聽覺信息處理方法和應(yīng)用系統(tǒng)。聽覺感知計(jì)算模型的研究對新型語音處理技術(shù)的發(fā)展，如聽覺功能修復(fù)、大規(guī)模自動語音識別系統(tǒng)、身份識別、新型人機(jī)交互模式等具有重要的理論意義和應(yīng)用價(jià)值。
　　 本文從聽覺感知計(jì)算的角度出發(fā)，主要在聽覺神經(jīng)處理機(jī)理，特征提取算法及識別系統(tǒng)建立等方面展開研究，側(cè)重解決復(fù)雜環(huán)

2、境下魯椿的語音信號特征提取問題。本文的具體工作有以下幾個(gè)方面：
　　 1．提出了一種非負(fù)張量主分量分析算法(NTPCA)，計(jì)算張量結(jié)構(gòu)下不同維度的投影矩陣；結(jié)合初始聽覺皮層的時(shí)頻感受野(STRF)模型，引入了時(shí)間、頻率、尺度和相位的高階張量結(jié)構(gòu)，把語音信號的時(shí)序和頻率特性統(tǒng)一到一個(gè)皮層表征模型下；通過NTPCA算法進(jìn)行特征提取，給出了一種新的具有魯棒性的語音特征Gabor張量倒譜系數(shù)(GTCC)。算法的稀疏性約束保留了具有稀疏分

3、布的純凈特征分量，同時(shí)抑制了具有稠密分布的噪聲分量。計(jì)算機(jī)仿真實(shí)驗(yàn)結(jié)果證明了GTCC特征的有效性和魯棒性，能夠提高噪聲環(huán)境下語音識別系統(tǒng)的性能。
　　 2．模擬外圍聽覺通路的信號處理機(jī)制，利用一組耳蝸濾波器組模擬耳蝸中基底膜各個(gè)區(qū)域的頻率選擇性，提取耳蝸能量譜特征，利用獨(dú)立子空間分析(ISA)方法將耳蝸能量譜特征投影到統(tǒng)計(jì)獨(dú)立的線性子空間，提取不同說話人的諧波成分特征，利用極大化不同子空間的獨(dú)立性，抑制噪聲成分的干擾。實(shí)驗(yàn)結(jié)果表

4、明，該方法提取的魯棒聽覺特征(RAF)特征具有較好的魯棒性，提高了噪聲環(huán)境下的說話人識別的性能。
　　 3．提出了一種約束的非負(fù)張量分解算法(cNTF)，通過稀疏控制算子和正交性約束，控制張量基函數(shù)和特征系數(shù)的稀疏程度，提取張量數(shù)據(jù)中的局部特征表征，結(jié)合皮層表征模型，利用cNTF算法學(xué)習(xí)到的稀疏張量基函數(shù)對語音信號進(jìn)行投影，得到魯棒的稀疏Gabol特征用于說話人識別。從實(shí)驗(yàn)結(jié)果可以看出，皮層張量倒譜系數(shù)(CTCC)特征對于加性噪

5、聲具有魯棒性，能夠適應(yīng)不同的噪聲環(huán)境。
　　 4．建立時(shí)間×頻率×說話人身份的張量模型，利用稀疏非負(fù)張量分解算法學(xué)習(xí)包含可判別信息的張量基函數(shù)，以獲得投影到張量基上的最優(yōu)特征系數(shù)，最后利用高斯混合模型進(jìn)行說話人的身份識別。實(shí)驗(yàn)結(jié)果證明，本文提出的基于聽覺的非負(fù)張量特征(ANTF)和基于聽覺非負(fù)張量倒譜系數(shù)(ANTCC)特征能夠提高說話人識別系統(tǒng)的性能，增強(qiáng)系統(tǒng)的魯棒性。
　　 本文針對噪聲環(huán)境下語音信號特征提取問題，研究