基于聽(tīng)覺(jué)神經(jīng)原理的語(yǔ)音信號(hào)處理.pdf

1、語(yǔ)音不僅是人類(lèi)日常交流中的重要工具，也是百萬(wàn)年來(lái)哺乳動(dòng)物大腦進(jìn)化的結(jié)果。這項(xiàng)復(fù)雜的功能是區(qū)分人類(lèi)和其他動(dòng)物的重要標(biāo)志，包括了大腦對(duì)語(yǔ)言從聲音到圖形乃至抽象符號(hào)層面的神經(jīng)信息處理。盡管我們每天都要接觸這項(xiàng)功能，但是語(yǔ)音信息處理究竟發(fā)生在我們大腦中的哪里，以及這項(xiàng)功能是怎么發(fā)生的，這些問(wèn)題我們依然沒(méi)有完整的答案。近幾十年來(lái)，心理學(xué)家和神經(jīng)科學(xué)家對(duì)人類(lèi)聽(tīng)覺(jué)的外圍系統(tǒng)，初級(jí)腦體，以及聽(tīng)覺(jué)皮層都進(jìn)行了大量的觀察。這些結(jié)果，盡管還不能完全的解決大腦

2、語(yǔ)音處理機(jī)制的問(wèn)題，但已經(jīng)讓我們對(duì)這個(gè)課題有了長(zhǎng)足的了解。 另外一方面，隨著電子通信業(yè)的出現(xiàn)和計(jì)算機(jī)技術(shù)的發(fā)展，人們開(kāi)始可以從數(shù)字信號(hào)處理的角度來(lái)了解語(yǔ)音。語(yǔ)音發(fā)聲所引起的物理振動(dòng)可以使用電子設(shè)備采集，然后這些信息可以利用計(jì)算機(jī)來(lái)進(jìn)行處理。數(shù)字語(yǔ)音信號(hào)的采集和處理成為了通信和電子工程領(lǐng)域的一個(gè)重要分支。 語(yǔ)音識(shí)別，也就是把數(shù)字語(yǔ)音信號(hào)轉(zhuǎn)化為文字的過(guò)程，是這個(gè)領(lǐng)域被研究的最多的也是最有難度的一個(gè)問(wèn)題。盡管信號(hào)處理技術(shù)和計(jì)算機(jī)

3、的性能在以日新月異的速度發(fā)展，利用數(shù)字方式來(lái)處理語(yǔ)音仍然比不過(guò)人腦對(duì)語(yǔ)音的處理。人腦處理口語(yǔ)語(yǔ)言遠(yuǎn)比計(jì)算機(jī)的處理要魯棒。神經(jīng)系統(tǒng)在這項(xiàng)功能中的優(yōu)越性使得我們可以考慮在數(shù)字語(yǔ)音信號(hào)處理的過(guò)程中模擬人腦，從而提高系統(tǒng)的性能。 在本文中，我們用算法化的方法來(lái)模擬聽(tīng)覺(jué)系統(tǒng)中的一些神經(jīng)信息處理機(jī)制，并把這些模塊應(yīng)用到語(yǔ)音識(shí)別系統(tǒng)中來(lái)進(jìn)行測(cè)試。我們首先使用非負(fù)矩陣分解（Non-negative matrix factorization，NM

4、F）的方法從語(yǔ)音信號(hào)中學(xué)習(xí)基函數(shù)，然后將這些基函數(shù)作為聽(tīng)覺(jué)皮層神經(jīng)元時(shí)頻感受野（Spectral-temporal receptive fields，STRF）的計(jì)算模型。這些神經(jīng)元可以作為語(yǔ)音信號(hào)的特征提取系統(tǒng)。我們的實(shí)驗(yàn)顯示，這些特征對(duì)噪聲的魯棒性比傳統(tǒng)語(yǔ)音識(shí)別應(yīng)用中的特征要好。我們還使用了一個(gè)NMF的改進(jìn)版本，正交非負(fù)矩陣分解（Orthogonal non-negative matrix factorization,ONMF），作