語音分離和語音增強方法研究.pdf

1、現(xiàn)實生活中，語音信號經(jīng)常會受到噪聲和房問混響的干擾，這不僅影響人們的聽覺質(zhì)量，而且對語音處理的其它環(huán)節(jié)也會產(chǎn)生影響。因此，必須采用信號處理技術對帶噪語音信號進行增強處理。實際上，除了語音增強之外，語音分離也可以用來減小噪聲和混響的影響。信號盲源分離是一項具有挑戰(zhàn)性的研究課題，也是信號處理領域近年來的研究熱點之一。目前，對該問題的研究已經(jīng)取得了很大的進展。但是，還遠未達到成熟的地步，其中，對于實際環(huán)境下的卷積語音信號分離問題的研究可以說還

2、處于起步階段。 本論文對語音分離和語音增強方法進行了研究，主要內(nèi)容包括以下三個方面： 針對基于獨立分量分析的盲源分離算法不能解決瞬時延遲混合模型和欠定情況下的盲源分離問題，本文研究了基于信號稀疏性的時頻掩蔽算法和線性取向分離算法。理論分析和仿真實驗結果表明，它們都達到了比較理想的分離結果。但是，時頻掩蔽算法構造的Mask中存在大量零點，為了解決這一問題，本文對其進行了改進，進一步提高了語音信號的質(zhì)量。 研究了帶參

3、考信號的盲源分離算法。在盲源分離算法中，人們對源信號多多少少會有一點了解。利用源信號的先驗知識分離出感興趣的信號是帶參考信號的盲源分離算法的研究內(nèi)容。實驗結果表明，該算法能夠比較好地提取出與參考信號在某種意義下相關性最強的原始信號，同時，與傳統(tǒng)的獨立分量分析方法相比，節(jié)省了計算量。 基于子帶盲源分離和后置處理的語音增強方法。在噪聲和混響情況下，研究了基于子帶盲源分離和后置處理的語音增強方法。該方法噪聲的抑制效果較好，但增強語音有