基于稀疏表示和字典學(xué)習(xí)的語音增強算法研究.pdf

1、語音是人們進行語言交流的重要信息載體，但是在現(xiàn)實環(huán)境里，語音信號往往會被各種類型的干擾和噪聲所污染。被污染的語音不僅會在主觀上使人產(chǎn)生聽覺厭惡和疲勞，而且還會嚴重影響語音信號的可懂度。語音增強的目的就是抑制和消除被污染語音中的干擾和噪聲，從而提高語音的質(zhì)量和可懂度。根據(jù)污染源類型的不同，可以將語音增強分為語音分離和語音降噪問題，其中前者的污染源是干擾語音，而后者的污染源是背景噪聲。傳統(tǒng)的語音分離和語音降噪算法在一定條件下能取得比較好的性

2、能，但是也存在一定的局限性。例如，源信號個數(shù)比混合信號多的欠定語音分離問題一直是一個難題;在語音降噪問題中，傳統(tǒng)方法對非平穩(wěn)噪聲的抑制能力往往有限。本文結(jié)合稀疏表示和字典學(xué)習(xí)理論，針對上述兩個難題開展研究，提出了若干算法用于語音分離和降噪，主要的工作和創(chuàng)新點包括:
　　首先，針對欠定語音分離問題，提出了基于語音雙層稀疏模型的欠定語音分離算法。該算法包含兩步，在第一步，我們首先對混合信號每個時頻點鄰域平均得到協(xié)方差矩陣，然后對該矩陣

3、進行奇異值分解，篩選出能夠較好滿足窗聯(lián)合正交假設(shè)的時頻點進行聚類，得到較為精確的混合矩陣估計。在第二步，基于語音信號能量都集中在低頻的特性，提出了雙層稀疏模型，把語音信號分解成低頻和高頻兩層。將基于此模型訓(xùn)練出的雙層字典用于語音分離，能夠降低不同源信號在字典上投影支撐集的重合度，以提高分離性能。在仿真實驗，我們將所提的混合矩陣估計算法和基于雙層稀疏模型的語音分離算法與傳統(tǒng)方法進行了比較，以驗證所提算法的有效性。
　　其次，針對單通

4、道語音分離問題，提出了基于區(qū)分性字典學(xué)習(xí)和基于分層字典學(xué)習(xí)的單通道語音分離算法。傳統(tǒng)方法分別獨立地學(xué)習(xí)每個源對應(yīng)的子字典，而沒有同時利用不同子字典之間的相互約束關(guān)系，從而將源信號在復(fù)合字典上進行稀疏表示的時候，其部分成分會投影在非對應(yīng)子字典上，即混淆投影存在，此時字典區(qū)分性不夠，分離性能不佳。針對此問題，我們提出了區(qū)分性字典學(xué)習(xí)方法，即聯(lián)合考慮不同子字典之間的關(guān)系，使得每個源信號能夠在復(fù)合字典中的對應(yīng)子字典上進行稀疏表示，而抑制其在非對

5、應(yīng)子字典上的表示。進一步，考慮到單層區(qū)分性字典學(xué)習(xí)方法在單通道語音分離中還是留有一定的混淆投影，我們又提出了分層字典學(xué)習(xí)方法，在多個層次上對字典進行約束，減少混淆投影，增加字典的區(qū)分性。為了驗證所提算法的優(yōu)越性，我們給出了仿真實驗，對比所提的區(qū)分性字典學(xué)習(xí)及分層字典學(xué)習(xí)和傳統(tǒng)方法的單通道語音分離性能。
　　最后，針對語音降噪問題，提出了語音和噪聲聯(lián)合字典學(xué)習(xí)方法和信號-特征字典學(xué)習(xí)方法。傳統(tǒng)方法獨立的學(xué)習(xí)一個語音字典和一個噪聲字典

6、，再將語音和噪聲的混合信號在復(fù)合字典上進行稀疏表示來達到降噪的目的。但是這樣做會導(dǎo)致較為嚴重的源混淆，即部分語音成分會被噪聲字典解釋，而部分噪聲成分會被語音字典解釋。為了增加語音字典和噪聲字典的區(qū)分性和差異性，我們利用帶噪信號和干凈信號的訓(xùn)練樣本，約束訓(xùn)練樣本在對應(yīng)字典上稀疏表示的近似誤差和字典之間的相干性，聯(lián)合訓(xùn)練語音字典和噪聲字典，從而使得它們在增強階段能夠盡量減少語音和噪聲的混淆。另外，為了利用語音和噪聲信號每個時頻點及其鄰域的相