語音信號盲分離與增強(qiáng)算法的研究.pdf

1、語音分離即從得到的混合信號中分離出所有的信號分量；語音增強(qiáng)是要從混合信號中得到其中一路語音信號，而將其它的成分看作背景噪聲。
　　 語音增強(qiáng)可以看作是語音分離的特殊情況。
　　 盲源分離是指在不知道源信號分布和混合方式的情況下，僅根據(jù)觀測到的雙路混合信號恢復(fù)源信號的過程。由于盲源分離無需知道信號的先驗(yàn)信息，從而在信號處理領(lǐng)域得到廣泛的應(yīng)用，語音盲分離更是因?yàn)槠鋵?shí)用性成為研究的熱點(diǎn)。語音盲分離技術(shù)對計(jì)算機(jī)聽覺、語音識別等方

2、面的研究具有重大意義，同時語音盲分離技術(shù)對語音通信、助聽器、電話遠(yuǎn)程會議等系統(tǒng)性能的提高也具有重要意義?？傊Z音盲分離的研究具有非常重要的理論和應(yīng)用價(jià)值。
　　 語音增強(qiáng)算法目標(biāo)在于減小單路含噪語音信號中的噪聲分量，提高語音的清晰度及可懂度，減小聽覺疲勞。因此語音增強(qiáng)算法也稱為去除噪聲算法。實(shí)際應(yīng)用中，更多情況是需要獲得所需要的語音信號，因此語音增強(qiáng)算法的研究具有更高的實(shí)際意義。當(dāng)語音信號在聲源有噪聲干擾或在聲道受到噪聲干擾的

3、情況下，都需要用到語音增強(qiáng)技術(shù)。例如，在手機(jī)系統(tǒng)中，語音信號常受到發(fā)送端的環(huán)境干擾，如餐廳噪聲，汽車噪聲等。接收語音分離即從得到的混合信號中分離出所有的信號分量；語音增強(qiáng)是要從混合信號中得到其中一路語音信號，而將其它的成分看作背景噪聲。
　　 語音增強(qiáng)可以看作是語音分離的特殊情況。
　　 盲源分離是指在不知道源信號分布和混合方式的情況下，僅根據(jù)觀測到的雙路混合信號恢復(fù)源信號的過程。由于盲源分離無需知道信號的先驗(yàn)信息，從而

4、在信號處理領(lǐng)域得到廣泛的應(yīng)用，語音盲分離更是因?yàn)槠鋵?shí)用性成為研究的熱點(diǎn)。語音盲分離技術(shù)對計(jì)算機(jī)聽覺、語音識別等方面的研究具有重大意義，同時語音盲分離技術(shù)對語音通信、助聽器、電話遠(yuǎn)程會議等系統(tǒng)性能的提高也具有重要意義?？傊Z音盲分離的研究具有非常重要的理論和應(yīng)用價(jià)值。
　　 語音增強(qiáng)算法目標(biāo)在于減小單路含噪語音信號中的噪聲分量，提高語音的清晰度及可懂度，減小聽覺疲勞。因此語音增強(qiáng)算法也稱為去除噪聲算法。實(shí)際應(yīng)用中，更多情況是需要

5、獲得所需要的語音信號，因此語音增強(qiáng)算法的研究具有更高的實(shí)際意義。當(dāng)語音信號在聲源有噪聲干擾或在聲道受到噪聲干擾的情況下，都需要用到語音增強(qiáng)技術(shù)。例如，在手機(jī)系統(tǒng)中，語音信號常受到發(fā)送端的環(huán)境干擾，如餐廳噪聲，汽車噪聲等。接收提出一些新的算法。
　　 本文的研究工作從以下幾個方面展開。
　　 基于盲源分離思想的等步長自適應(yīng)分離算法(Equivariant adaptivesource separation:EASI)的步長

6、是固定的，為了加快收斂速度和降低穩(wěn)態(tài)誤差，本文對迭代步長進(jìn)行了改進(jìn)，步長根據(jù)分離狀態(tài)自適應(yīng)變化。增加步長到一個大的穩(wěn)定值以達(dá)到最快收斂，而當(dāng)達(dá)到最佳收斂點(diǎn)的鄰域時，則相應(yīng)減小步長而降低失調(diào)誤差。
　　 盲源分離算法可以分為兩部分，即分離矩陣的訓(xùn)練部分和應(yīng)用部分。
　　 如何得到有效的分離矩陣是該算法分離效果好壞的關(guān)鍵。在基于信息最大化理論的盲源分離算法中，采用反正切函數(shù)作為傳遞函數(shù)I ψ進(jìn)行分離矩陣變化梯度的計(jì)算。若傳遞

7、函數(shù)的函數(shù)形式與源信號的累積概率分布函數(shù)(Cumulative Probability Functions: CPFs)分布不匹配，使用固定的傳遞函數(shù)形式將不能進(jìn)行有效分離。以CPFs 作為傳遞函數(shù)可以有效提高算法性能。
　　 本文提出的基于徑向基函數(shù)(Radial Base Function:RBF)的反向傳播神經(jīng)網(wǎng)絡(luò)可簡化CPFs的訓(xùn)練過程中求偏導(dǎo)的計(jì)算。
　　 Β值自適應(yīng)MMSE 語音增強(qiáng)算法中β值的改變是按幀進(jìn)行

8、，當(dāng)前幀的β值是根據(jù)估計(jì)得到的當(dāng)前幀的信噪比(Signal Noise Ratio:SNR)及聽覺掩蔽閾值自適應(yīng)改變的。對每一幀信號，都要事先估計(jì)這兩個參數(shù)。而由于語音信號的短時平穩(wěn)性，沒有必要對這兩個參數(shù)逐幀計(jì)算，只有在檢測到當(dāng)前語音幀內(nèi)出現(xiàn)音素的明顯過渡才進(jìn)行計(jì)算，這樣可以明顯減小計(jì)算量。
　　 對數(shù)幅度譜估計(jì)均方誤差最小(Log Spectral Amplitude EstimateMinimum Mean Square

9、Error : LOGSTSA-MMSE)算法中，對噪聲快速準(zhǔn)確地估計(jì)對增強(qiáng)語音的性能有著重大影響。一般噪聲估計(jì)是在非語音段對噪聲的方差進(jìn)行估計(jì)，該方法不能實(shí)時跟蹤噪聲的變化，尤其在有噪聲突變的情況下，增強(qiáng)語音的性能有所下降。本文設(shè)計(jì)并實(shí)現(xiàn)了基于統(tǒng)計(jì)信息的快速噪聲估計(jì)算法，并將其代替LOGSTSA-MMSE算法中的噪聲估計(jì)部分，提出一種新的語音增強(qiáng)算法。
　　 在基于小波域?yàn)V波的語音增強(qiáng)算法中，閾值的選擇影響著增強(qiáng)信號的性能。采

10、用軟閾值的方法，閾值通過經(jīng)驗(yàn)公式獲得，此時對語音的損傷最小，但不能較好地去除噪聲的影響。可構(gòu)造一個偽噪聲源，利用盲源分離的方法進(jìn)一步進(jìn)行增強(qiáng)處理。
　　 總結(jié)全文，本文的主要工作如下：
　　 1.提出一種步長自適應(yīng)的EASI 語音盲分離算法?；诿ぴ捶蛛x思想的EASI算法的步長是固定的，為了加快收斂速度和降低穩(wěn)態(tài)誤差，本文提出了一種步長自適應(yīng)自然梯度算法。該算法中的步長根據(jù)分離狀態(tài)自適應(yīng)變化。增加步長到一個大的穩(wěn)定值以達(dá)

11、到最快收斂，而當(dāng)達(dá)到最佳收斂點(diǎn)的鄰域時，則相應(yīng)減小步長而降低失調(diào)誤差。仿真實(shí)驗(yàn)表明，該算法能很好地解決收斂速度和穩(wěn)態(tài)誤差之間的矛盾，其交叉談話誤差的改善高于傳統(tǒng)的EASI算法。
　　 2.利用MLPs(Multipayer Perceptrons)或RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)簡化CPFs的訓(xùn)練過程中求偏導(dǎo)的計(jì)算，提出了一種基于最小互信息和MLPs 或RBF 神經(jīng)網(wǎng)絡(luò)的語音信號盲分離算法。該類算法

12、是在infomax算法的基礎(chǔ)上，結(jié)合前向型神經(jīng)網(wǎng)絡(luò)的信息傳播特性，優(yōu)化目標(biāo)函數(shù)，在分離過程中盡可能地提取信號的獨(dú)立分量，把信號分離出來。同時比較了兩種網(wǎng)絡(luò)對分離語音信號的優(yōu)化性能。仿真實(shí)驗(yàn)表明，該算法能夠成功地分離混合語音信號，且RBF 網(wǎng)絡(luò)比MLPs 網(wǎng)絡(luò)性能更好。
　　 3.提出一種基于快速噪聲估計(jì)的LOGSTSA-MMSE 語音增強(qiáng)算法。實(shí)驗(yàn)表明，采用這種方法進(jìn)行噪聲估計(jì)，可使增強(qiáng)語音SNR提高0.5dB 左右。
　

13、　 另外，本文還在以下幾個方面進(jìn)行了研究。在基于時－頻分析的盲分離算法中，窗函數(shù)的長度和形狀對分離語音信號的性能有著重要的影響。
　　 本文比較了在不同窗函數(shù)和窗長下分離語音信號的性能，實(shí)驗(yàn)表明對于語音這種短時平穩(wěn)信號，窗長選擇為256時可取得最佳的分離效果；提出一種簡化的基于聽覺掩蔽特性的β階自適應(yīng)MMSE 語音增強(qiáng)算法。實(shí)驗(yàn)表明，簡化算法在減小計(jì)算量的同時與原算法有著同樣的增強(qiáng)語音信噪比及聽覺感知特性；提出一種基于盲源分離