基于卷積神經(jīng)網(wǎng)絡(luò)的語音分離方法研究與實現(xiàn).pdf

1、隨著智能手機(jī)和智能設(shè)備逐漸普及，人機(jī)語音交互技術(shù)日益得到了廣泛的關(guān)注和重視。如何使人機(jī)語音交互變得像人與人之間的交流一樣方便和高效成為了最近幾年研究的熱點問題。而人機(jī)語音交互技術(shù)中核心問題之一是語音分離，前端語音分離模塊的性能對人機(jī)交互中的自動語音識別、語音自動翻譯和說話者識別都有十分重要的影響。
　　近幾年隨著深度學(xué)習(xí)的興起，基于深度模型的語音分離逐漸成為了一種新的研究趨勢，并且得到了較好的語音分離效果。然而，基于卷積神經(jīng)網(wǎng)絡(luò)（

2、Convolutional Neural Network，CNN）的語音分離研究成果還非常少。并且，相比于深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Network，DNN），CNN更加擅長于挖掘輸入語音信號中的時空特性，能夠更好地刻畫語音特征。在本文中采用卷積神經(jīng)網(wǎng)絡(luò)作為建模工具進(jìn)行語音分離。
　　本文完成了單通道語音分離和多通道語音分離兩個實驗，其中每個實驗都在相同數(shù)據(jù)集上使用卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)兩個模型來分別實現(xiàn)的。單通道語