基于稀疏表示和字典學(xué)習(xí)的語(yǔ)音增強(qiáng)算法研究.pdf

1、語(yǔ)音是人們進(jìn)行語(yǔ)言交流的重要信息載體，但是在現(xiàn)實(shí)環(huán)境里，語(yǔ)音信號(hào)往往會(huì)被各種類型的干擾和噪聲所污染。被污染的語(yǔ)音不僅會(huì)在主觀上使人產(chǎn)生聽(tīng)覺(jué)厭惡和疲勞，而且還會(huì)嚴(yán)重影響語(yǔ)音信號(hào)的可懂度。語(yǔ)音增強(qiáng)的目的就是抑制和消除被污染語(yǔ)音中的干擾和噪聲，從而提高語(yǔ)音的質(zhì)量和可懂度。根據(jù)污染源類型的不同，可以將語(yǔ)音增強(qiáng)分為語(yǔ)音分離和語(yǔ)音降噪問(wèn)題，其中前者的污染源是干擾語(yǔ)音，而后者的污染源是背景噪聲。傳統(tǒng)的語(yǔ)音分離和語(yǔ)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(hào)個(gè)數(shù)比混合信號(hào)多的欠定語(yǔ)音分離問(wèn)題一直是一個(gè)難題;在語(yǔ)音降噪問(wèn)題中，傳統(tǒng)方法對(duì)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(duì)上述兩個(gè)難題開(kāi)展研究，提出了若干算法用于語(yǔ)音分離和降噪，主要的工作和創(chuàng)新點(diǎn)包括:
　　首先，針對(duì)欠定語(yǔ)音分離問(wèn)題，提出了基于語(yǔ)音雙層稀疏模型的欠定語(yǔ)音分離算法。該算法包含兩步，在第一步，我們首先對(duì)混合信號(hào)每個(gè)時(shí)頻點(diǎn)鄰域平均得到協(xié)方差矩陣，然后對(duì)該矩陣

3、進(jìn)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(shí)頻點(diǎn)進(jìn)行聚類，得到較為精確的混合矩陣估計(jì)。在第二步，基于語(yǔ)音信號(hào)能量都集中在低頻的特性，提出了雙層稀疏模型，把語(yǔ)音信號(hào)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(yǔ)音分離，能夠降低不同源信號(hào)在字典上投影支撐集的重合度，以提高分離性能。在仿真實(shí)驗(yàn)，我們將所提的混合矩陣估計(jì)算法和基于雙層稀疏模型的語(yǔ)音分離算法與傳統(tǒng)方法進(jìn)行了比較，以驗(yàn)證所提算法的有效性。
　　其次，針對(duì)單通

4、道語(yǔ)音分離問(wèn)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(yǔ)音分離算法。傳統(tǒng)方法分別獨(dú)立地學(xué)習(xí)每個(gè)源對(duì)應(yīng)的子字典，而沒(méi)有同時(shí)利用不同子字典之間的相互約束關(guān)系，從而將源信號(hào)在復(fù)合字典上進(jìn)行稀疏表示的時(shí)候，其部分成分會(huì)投影在非對(duì)應(yīng)子字典上，即混淆投影存在，此時(shí)字典區(qū)分性不夠，分離性能不佳。針對(duì)此問(wèn)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(gè)源信號(hào)能夠在復(fù)合字典中的對(duì)應(yīng)子字典上進(jìn)行稀疏表示，而抑制其在非對(duì)

5、應(yīng)子字典上的表示。進(jìn)一步，考慮到單層區(qū)分性字典學(xué)習(xí)方法在單通道語(yǔ)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(gè)層次上對(duì)字典進(jìn)行約束，減少混淆投影，增加字典的區(qū)分性。為了驗(yàn)證所提算法的優(yōu)越性，我們給出了仿真實(shí)驗(yàn)，對(duì)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(yǔ)音分離性能。
　　最后，針對(duì)語(yǔ)音降噪問(wèn)題，提出了語(yǔ)音和噪聲聯(lián)合字典學(xué)習(xí)方法和信號(hào)-特征字典學(xué)習(xí)方法。傳統(tǒng)方法獨(dú)立的學(xué)習(xí)一個(gè)語(yǔ)音字典和一個(gè)噪聲字典

6、，再將語(yǔ)音和噪聲的混合信號(hào)在復(fù)合字典上進(jìn)行稀疏表示來(lái)達(dá)到降噪的目的。但是這樣做會(huì)導(dǎo)致較為嚴(yán)重的源混淆，即部分語(yǔ)音成分會(huì)被噪聲字典解釋，而部分噪聲成分會(huì)被語(yǔ)音字典解釋。為了增加語(yǔ)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(hào)和干凈信號(hào)的訓(xùn)練樣本，約束訓(xùn)練樣本在對(duì)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(yǔ)音字典和噪聲字典，從而使得它們?cè)谠鰪?qiáng)階段能夠盡量減少語(yǔ)音和噪聲的混淆。另外，為了利用語(yǔ)音和噪聲信號(hào)每個(gè)時(shí)頻點(diǎn)及其鄰域的相