基于計算聽覺場景分析的單聲道語音分離.pdf

1、在自然環(huán)境中，一個典型的聽覺場景中含有聽覺噪聲，例如環(huán)境噪聲、音樂聲以及其他人的說話聲。噪聲干擾目標語音給許多語音技術的應用帶來了相當大的困難。單聲道語音分離是指在單個信道情況下從混合語音信號中分離出目標語音。計算聽覺場景分析是可以完成該分離任務的一種新方法，也是語音信號處理領域的研究熱點。
　　本文主要研究基于計算聽覺場景分析的單聲道語音分離問題。對聽覺分割、高頻時頻單元標記和聽覺重組后二值模的平滑處理等問題進行分析研究，提出一

2、些改進的方法，并進行實驗對比。本文的主要研究內容如下:
　　(1)為了提高高頻區(qū)域時頻單元標記和聽覺分割的準確性，本文提出了一種改進聽覺組織的單聲道濁語音分離算法。在組織階段中，首先該算法利用不同的特征對高頻和低頻中的時頻單元進行標記。采用增強包絡自相關函數標記高頻區(qū)域的時頻單元。然后，利用起始和截止分析得到聽覺片段，該方法可以有效地將語音和噪聲分割到不同的片段。根據已經分離的濁語音二值模將這些片段選擇性地重組到目標流中。系統(tǒng)評估

3、表明，該算法優(yōu)于原來的系統(tǒng)。
　　(2)語音分離其實就是估計二值模，然后利用二值模從混合語音中合成目標語音。由于噪聲的干擾降低了聽覺線索提取的準確性，使得二值模中包含許多較小的噪聲片段和破損的目標片段，導致合成的目標語音質量下降。結合形態(tài)學的二值圖像處理方法，本文提出了基于掩碼平滑的改進語音分離方法。該方法首先對二值模進行開運算操作，去除聽覺流中噪聲片段;然后進行閉運算操作修復破損的目標片段，獲得丟失的目標單元。系統(tǒng)評估表明，經過