有監(jiān)督學(xué)習(xí)條件下的單通道語(yǔ)音增強(qiáng)算法研究.pdf

1、語(yǔ)言是實(shí)現(xiàn)人與人甚至機(jī)器之間便捷交流的信息工具，而語(yǔ)音信號(hào)是實(shí)現(xiàn)這種工具功能的介質(zhì)。然而在現(xiàn)實(shí)生活生產(chǎn)中，語(yǔ)音信號(hào)經(jīng)常會(huì)被各種類型的干擾噪聲甚至是自身的反射信號(hào)所污染。受污染的語(yǔ)音，由于破壞了信號(hào)的結(jié)構(gòu)、增添了干擾成分，就一方面會(huì)導(dǎo)致人類主觀聽(tīng)覺(jué)感受質(zhì)量的下降甚至疲勞和厭惡，另一方面嚴(yán)重影響語(yǔ)音內(nèi)容的可懂度。語(yǔ)音增強(qiáng)所要實(shí)現(xiàn)的就是要抑制和消除接收信號(hào)中的干擾、噪聲以及反射成分，恢復(fù)出干凈的語(yǔ)音信號(hào)，從而提高語(yǔ)音的聽(tīng)覺(jué)質(zhì)量和可懂度?？梢愿?/p>

2、據(jù)污染噪聲源的不同，將語(yǔ)音增強(qiáng)大體分為語(yǔ)音解混響、分離和降噪等三個(gè)問(wèn)題，分別對(duì)應(yīng)著污染源為自身反射產(chǎn)生的干擾成分、其他說(shuō)話人的干擾語(yǔ)音以及環(huán)境中的干擾噪聲。一般根據(jù)算法所使用通道麥克風(fēng)數(shù)目可以將語(yǔ)音增強(qiáng)算法又大致分為單通道和多通道兩大類。顯然，單通道增強(qiáng)算法是語(yǔ)音增強(qiáng)的基礎(chǔ)和基本方式，也常?？梢院投嗤ǖ兰夹g(shù)結(jié)合，所以擁有廣泛的研究基礎(chǔ)和非常重要的研究?jī)r(jià)值。近些年來(lái)互聯(lián)網(wǎng)尤其是移動(dòng)互聯(lián)網(wǎng)和智能設(shè)備的快速普及，使得語(yǔ)音數(shù)據(jù)的收集越來(lái)越方便和

3、大量，這為各種訓(xùn)練學(xué)習(xí)類算法的實(shí)現(xiàn)提供了豐富的數(shù)據(jù)原料?；诖?，也由于傳統(tǒng)語(yǔ)音解混響和降噪方法的局限性和對(duì)非平穩(wěn)干擾噪聲的處理能力有限，本文研究了有監(jiān)督學(xué)習(xí)條件下的單通道語(yǔ)音增強(qiáng)技術(shù)。結(jié)合近些年來(lái)興起并迅速發(fā)展的字典學(xué)習(xí)和稀疏表示理論和方法，本文針對(duì)單通道語(yǔ)音降噪以及解混響和降噪問(wèn)題進(jìn)行了研究，提出了三種新的算法應(yīng)用于語(yǔ)音增強(qiáng)中。其中主要的工作和創(chuàng)新點(diǎn)列舉如下:
　　首先，提出了基于區(qū)分性聯(lián)合字典學(xué)習(xí)的單通道語(yǔ)音降噪算法。針對(duì)字典

4、學(xué)習(xí)和稀疏表示類算法運(yùn)用于語(yǔ)音降噪過(guò)程中遇到的兩個(gè)重要問(wèn)題:一、如何提高學(xué)習(xí)得到的語(yǔ)音和噪聲字典之間的區(qū)分性;二、如何保持訓(xùn)練學(xué)習(xí)和增強(qiáng)測(cè)試兩個(gè)階段的稀疏表示的一致性。創(chuàng)新性地提出了結(jié)合約束交叉稀疏表示誤差項(xiàng)和不同字典原子間相關(guān)性項(xiàng)的區(qū)分性聯(lián)合字典優(yōu)化訓(xùn)練方法，促進(jìn)不同字典間的區(qū)分和判別力，從而提高稀疏表示的準(zhǔn)確性。此外，通過(guò)訓(xùn)練階段對(duì)混合信號(hào)的利用，統(tǒng)一了訓(xùn)練學(xué)習(xí)和增強(qiáng)測(cè)試兩階段的稀疏表示方式，保持了一致性。通過(guò)這兩點(diǎn)的改進(jìn)本文實(shí)現(xiàn)了

5、更好的語(yǔ)音增強(qiáng)算法。
　　其次，針對(duì)一般字典學(xué)習(xí)和稀疏表示類單通道降噪算法只是利用了信號(hào)時(shí)頻幅度譜信息，沒(méi)有充分挖掘出帶噪信號(hào)中語(yǔ)音和噪聲信號(hào)的其他聯(lián)系。本文提出了比率掩碼和掩碼字典的概念，主要是充分利用帶噪信號(hào)中的時(shí)頻幅度譜中隱含的語(yǔ)音和噪聲的比率掩碼和近似為1的條件，這是由語(yǔ)音和噪聲在時(shí)頻譜域上的稀疏性近似保證的。然后，基于字典學(xué)習(xí)和稀疏表示方法，提出了聯(lián)合語(yǔ)音時(shí)頻幅度譜和比率掩碼信息的聯(lián)合字典學(xué)習(xí)算法，接著利用訓(xùn)練得到的信號(hào)

6、字典和掩碼字典組成的復(fù)合字典對(duì)帶噪信號(hào)和混合比率掩碼進(jìn)行聯(lián)合稀疏表示得到稀疏表示系數(shù)。將得到的稀疏表示系數(shù)結(jié)合對(duì)應(yīng)的信號(hào)字典和掩碼字典構(gòu)建不同的掩碼濾波器完成最終的語(yǔ)音降噪。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性。
　　最后，本文研究了單通道語(yǔ)音解混響和降噪問(wèn)題，指出了之前的基于非負(fù)矩陣分解或者非負(fù)卷積模型的單通道語(yǔ)音解混響和降噪算法存在對(duì)房間沖激響應(yīng)比較長(zhǎng)情況下的收斂性和計(jì)算復(fù)雜度問(wèn)題，創(chuàng)造性地提出了一種基于兩步序貫的非負(fù)矩陣分解模型的語(yǔ)音