基于深度學(xué)習(xí)的單通道語(yǔ)音分離.pdf

1、語(yǔ)音分離包括人聲與人聲的分離、人聲與噪聲的分離，本文主要的研究工作是人聲與噪聲的分離，也稱(chēng)為語(yǔ)音增強(qiáng)。
　　隨著人工智能的日益發(fā)展，語(yǔ)音交互技術(shù)在現(xiàn)實(shí)生活的應(yīng)用日益廣泛，但是噪聲的干擾往往會(huì)嚴(yán)重降低語(yǔ)音交互性能，因此語(yǔ)音和噪聲的分離工作就顯得尤為重要，另外由于很多語(yǔ)音交互的場(chǎng)景是基于單麥克風(fēng)的，所以近年來(lái)基于單麥克風(fēng)的語(yǔ)音分離技術(shù)受到越來(lái)越多很多科研人員的關(guān)注。
　　傳統(tǒng)單通道語(yǔ)音分離算法可分為基于無(wú)監(jiān)督的單通道語(yǔ)音分離和基

2、于有監(jiān)督的單通道語(yǔ)音分離兩大類(lèi)。基于無(wú)監(jiān)督的單通道語(yǔ)音分離技術(shù)大多基于數(shù)字信號(hào)處理技術(shù)，如譜減法、維納濾波等。傳統(tǒng)基于有監(jiān)督的語(yǔ)音分離算法比較常用的有:基于淺層人工神經(jīng)網(wǎng)絡(luò)的語(yǔ)音分離、基于非負(fù)矩陣分解(NMF)的語(yǔ)音分離和基于隱馬爾可夫模型(HMM)的語(yǔ)音分離。
　　近年來(lái)，隨著深度神經(jīng)網(wǎng)絡(luò)（DNN）技術(shù)的不斷發(fā)展，基于DNN的單通道語(yǔ)音分離技術(shù)取得了很大進(jìn)展。DNN強(qiáng)大的非線(xiàn)性建模能力使得基于DNN的語(yǔ)音分離能取得很好的分離效果