基于計算聽覺場景分析的混合語音信號分離算法研究.pdf

1、計算聽覺場景分析(CASA)是現(xiàn)代語音信號處理研究領(lǐng)域中的一個新興課題。在自然環(huán)境下，來自于多個聲音源的混合語音信號形成了一個典型的聽覺場景，基于聽覺場景分析(ASA)可以從復(fù)雜聲學(xué)環(huán)境中分離出目標(biāo)語音，分離效果比較理想，但是隨著人機交互學(xué)、自動語音識別(ASR)、助聽器設(shè)計等研究的需要，噪聲環(huán)境下的語音分離算法仍然存在較大的挑戰(zhàn)。
　　本文主要針對計算聽覺場景分析(CASA)分離混合語音信號的問題進(jìn)行研究，歸納和分析了當(dāng)前基于C

2、ASA的語音分離算法和聲音、噪聲的一些特性，重點研究了基于信號能量的混合語音分離算法和基于信號起始時刻和截止時刻的語音分離算法，具體工作和創(chuàng)新如下:
　　人耳聽覺系統(tǒng)對于語音信號高低頻的處理機制不一樣，而且混合語音信號在高頻段的能量較低，容易受到噪聲的干擾，根據(jù)這一特性，提出基于信號能量的混合語音分離算法，在聽覺分割之前先計算信號的能量值，由于高頻部分能量較低，因此，根據(jù)能量比值去除掉信號高頻部分有可能來自噪聲的那些時頻(T-F)

3、單元。這樣，聽覺重組之后的目標(biāo)語音信號將更少的受到噪聲干擾，使得分離結(jié)果更有效。
　　對于不同聲音源的信號，幾乎不可能具有相同的開始時刻和截止時刻，因此，基于這一聲音線索，也可以完成混合語音信號的分離。本文采用一種準(zhǔn)確的包絡(luò)提取算法提取信號的開始時刻點onset和截止時刻點offset，然后進(jìn)行包絡(luò)平滑，對候選的起止和截止時刻點進(jìn)行檢測和組合，得到聽覺片段，最終根據(jù)二值模知識分離出目標(biāo)語音信號。
　　本文在Win7平臺Vis