非負(fù)稀疏信號分解及在單聲道聲音分離中的應(yīng)用.pdf

1、在信息時代里，隨著語音識別技術(shù)的不斷發(fā)展，讓機器具有“聽懂”人類語言能力的研究正在一步一步成為現(xiàn)實。攜帶著大量信息的語音信號本身是非常復(fù)雜的，并且具有非平穩(wěn)性、時變性等特征。 語音識別既是一個理論問題，也是一個工程問題。它綜合了許多理論的研究成果，如聲學(xué)、語音學(xué)、語言學(xué)、生理學(xué)、數(shù)字信號處理、信息工程、通信理論、電子技術(shù)、計算機科學(xué)、模式識別、人工智能等。在這篇文章開始的部分，介紹了聲學(xué)的基礎(chǔ)知識和人類聲音感知的機理；接下來，給

2、出了在時域處理和頻域處理語音信號的一些經(jīng)典的技術(shù)，比如短時平均能量分析、短時過零分析、短時自相關(guān)函數(shù)分析、快速傅立葉變換等；本文重點從理論和實驗上討論語音分離，特別是單聲道語音分離的算法及其在分離音樂鼓點中應(yīng)用。 現(xiàn)實生活中的聲音信號往往是由幾個聲源發(fā)出的聲音混合而成的，語音分離就是從這種混合聲音信號中把一個一個源聲音信號分離出來。人的耳朵能從熙熙攘攘的聲音中有效的捕捉到相對自己重要(感興趣)的信息，即使是這些聲音在頻率上和時間

3、上都配合得很“融洽”。但是要在計算機上實現(xiàn)人耳的這個能力是非常困難的，這就是計算機模擬人耳功能的盲信號分離問題(BSS)，即要從混合在一起的聲音信號中分離出一個或者多個感興趣的聲音信號出來，而事先對混合在一起的聲源信號的情況是根本不知道的。傳統(tǒng)的解決這個問題的方法是用多個麥克風(fēng)，在不同的位置上得到這段混合的聲音信號，以便獲取足夠的、相對獨立的信息來分離出源聲音信號。如果已經(jīng)知道了聲源信號之間相互獨立，則可以用獨立主元分析(ICA)來解決