基于深度神經(jīng)網(wǎng)絡(luò)的欠定語(yǔ)音分離方法研究.pdf

1、語(yǔ)音是人們交流信息常用的媒介之一，在實(shí)際環(huán)境中，其不可避免的會(huì)受到噪聲或其它語(yǔ)音等的干擾，進(jìn)而影響交流的質(zhì)量，因此語(yǔ)音分離技術(shù)應(yīng)運(yùn)而生。語(yǔ)音分離就是指從混合語(yǔ)音信號(hào)中分離出各路語(yǔ)音源信號(hào)的過(guò)程，其在語(yǔ)音識(shí)別、說(shuō)話人識(shí)別和音頻檢索等語(yǔ)音處理系統(tǒng)中起著重要的作用。
　　本文致力于研究欠定條件下的語(yǔ)音分離問(wèn)題，具體地說(shuō)是單通道語(yǔ)音分離問(wèn)題。本文的主要研究工作分為以下幾個(gè)方面：
　　(1)本文給出一種將相位敏感性時(shí)頻模板和深度神經(jīng)網(wǎng)

2、絡(luò)相結(jié)合的單通道語(yǔ)音信號(hào)分離方法。該方法的網(wǎng)絡(luò)輸入為混合語(yǔ)音信號(hào)的短時(shí)傅里葉變換幅度譜特征，網(wǎng)絡(luò)目標(biāo)輸出為給出的相位敏感性時(shí)頻模板，其中加入了語(yǔ)音源信號(hào)和混合語(yǔ)音信號(hào)的相位信息。訓(xùn)練階段，用網(wǎng)絡(luò)來(lái)學(xué)習(xí)給出的相位敏感性時(shí)頻模板；在測(cè)試階段，用網(wǎng)絡(luò)的輸出和混合語(yǔ)音信號(hào)相位來(lái)重建語(yǔ)音源信號(hào)。相比于傳統(tǒng)的基于深度神經(jīng)網(wǎng)絡(luò)的單通道語(yǔ)音分離方法，該方法給出了相位敏感性的時(shí)頻模板，通過(guò)引入語(yǔ)音信號(hào)的相位信息，可以更好的完成語(yǔ)音分離。
　　(2)

3、考慮到復(fù)數(shù)時(shí)頻模板可以同時(shí)恢復(fù)語(yǔ)音信號(hào)的幅度譜和相位譜，本文給出一種將復(fù)數(shù)時(shí)頻模板同深度神經(jīng)網(wǎng)絡(luò)相結(jié)合的單通道語(yǔ)音信號(hào)分離方法。該方法使用混合語(yǔ)音信號(hào)幅度譜作為網(wǎng)絡(luò)的輸入特征，復(fù)數(shù)時(shí)頻模板作為網(wǎng)絡(luò)的目標(biāo)輸出。在訓(xùn)練階段，由于該模板計(jì)算較為復(fù)雜，直接用深度神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)不夠準(zhǔn)確，本文對(duì)目標(biāo)函數(shù)做了改進(jìn)，在其中加入了相位約束，給出了具有相位限制的目標(biāo)函數(shù)，提高了相位估計(jì)的準(zhǔn)確性。在測(cè)試階段重建語(yǔ)音源信號(hào)的過(guò)程中，使用估計(jì)出的語(yǔ)音源信號(hào)相位。相