非負(fù)稀疏信號(hào)分解及在單聲道聲音分離中的應(yīng)用.pdf

1、在信息時(shí)代里，隨著語音識(shí)別技術(shù)的不斷發(fā)展，讓機(jī)器具有“聽懂”人類語言能力的研究正在一步一步成為現(xiàn)實(shí)。攜帶著大量信息的語音信號(hào)本身是非常復(fù)雜的，并且具有非平穩(wěn)性、時(shí)變性等特征。 語音識(shí)別既是一個(gè)理論問題，也是一個(gè)工程問題。它綜合了許多理論的研究成果，如聲學(xué)、語音學(xué)、語言學(xué)、生理學(xué)、數(shù)字信號(hào)處理、信息工程、通信理論、電子技術(shù)、計(jì)算機(jī)科學(xué)、模式識(shí)別、人工智能等。在這篇文章開始的部分，介紹了聲學(xué)的基礎(chǔ)知識(shí)和人類聲音感知的機(jī)理；接下來，給

2、出了在時(shí)域處理和頻域處理語音信號(hào)的一些經(jīng)典的技術(shù)，比如短時(shí)平均能量分析、短時(shí)過零分析、短時(shí)自相關(guān)函數(shù)分析、快速傅立葉變換等；本文重點(diǎn)從理論和實(shí)驗(yàn)上討論語音分離，特別是單聲道語音分離的算法及其在分離音樂鼓點(diǎn)中應(yīng)用。 現(xiàn)實(shí)生活中的聲音信號(hào)往往是由幾個(gè)聲源發(fā)出的聲音混合而成的，語音分離就是從這種混合聲音信號(hào)中把一個(gè)一個(gè)源聲音信號(hào)分離出來。人的耳朵能從熙熙攘攘的聲音中有效的捕捉到相對(duì)自己重要(感興趣)的信息，即使是這些聲音在頻率上和時(shí)間

3、上都配合得很“融洽”。但是要在計(jì)算機(jī)上實(shí)現(xiàn)人耳的這個(gè)能力是非常困難的，這就是計(jì)算機(jī)模擬人耳功能的盲信號(hào)分離問題(BSS)，即要從混合在一起的聲音信號(hào)中分離出一個(gè)或者多個(gè)感興趣的聲音信號(hào)出來，而事先對(duì)混合在一起的聲源信號(hào)的情況是根本不知道的。傳統(tǒng)的解決這個(gè)問題的方法是用多個(gè)麥克風(fēng)，在不同的位置上得到這段混合的聲音信號(hào)，以便獲取足夠的、相對(duì)獨(dú)立的信息來分離出源聲音信號(hào)。如果已經(jīng)知道了聲源信號(hào)之間相互獨(dú)立，則可以用獨(dú)立主元分析(ICA)來解決