本文選題：深度神經(jīng)網(wǎng)絡 + 語音分離�。� 參考：《內(nèi)蒙古大學》2017年碩士論文

【摘要】：語音分離是指從帶有噪聲的混合語音信號中提取出需要的目標語音信號,應用于魯棒性語音識別、助聽器設計和移動語音通信等領域。當前的語音分離技術在真實場景中的語音分離性能仍有待進一步提升。語音分離問題按照通道數(shù)分為單通道和多通道語音分離,本文主要研究單通道語音分離問題。語音分離問題可以被看做一個監(jiān)督性學習問題,通過監(jiān)督性學習算法加以解決。而對于監(jiān)督性語音分離算法,訓練目標是其中的關鍵環(huán)節(jié)之一,對分離性能有著重要影響。目前最常用的訓練目標有理想二值掩蔽和理想浮值掩蔽,二者都是在假設純凈語音與噪聲相互獨立的條件下成立,在真實場景中難以滿足。而復數(shù)域上的理想浮值掩蔽和相敏掩蔽考慮了語音信號的相位信息,不易于估計,因而實際分離效果仍不甚理想。相較于這些常用的時頻掩蔽,本文所采用的優(yōu)化浮值掩蔽,考慮了純凈語音與噪聲間的相關性,符合真實場景中語音分離的條件。本文將其與監(jiān)督性語音分離技術相結合,以優(yōu)化浮值掩蔽作為分離目標,提出了解決語音分離問題的新方案。本文在多種噪聲環(huán)境和信噪比條件下進行了仿真實驗,并與幾種目前常用訓練目標進行對比分析,實驗結果表明,本文所提出的方法進一步改善了語音分離的效果,更加適用于真實場景中的語音分離問題。考慮到優(yōu)化浮值掩蔽是基于純凈語音與噪聲的相關性信息,本文中進一步對更具有挑戰(zhàn)性的不同人聲之間的語音分離做了仿真實驗,實驗結果表明本文提出的分離方法對于不同說話人語音的分離同樣具有性能優(yōu)勢。單通道語音去混響問題也是語音信號處理領域的研究重點之一。近年隨著深度學習的推進,研究者們將深度學習應用于語音去混響問題,取得了不錯的效果。本文將提出的語音分離方法用于實現(xiàn)語音去混響,實驗結果表明去混響效果得到了一定程度的提升。
[Abstract]:Speech separation is to extract the target speech signal from the mixed speech signal with noise, which can be used in the fields of robust speech recognition, hearing aid design and mobile speech communication. The performance of the current speech separation technology in real-time scene still needs to be further improved. The speech separation problem is divided into single channel and multi channel according to the number of channels. The problem of speech separation can be regarded as a supervised learning problem, which can be solved by supervised learning algorithm. For supervised speech separation algorithm, the training target is one of the key links, which has an important impact on the separation performance. At present, the most commonly used training targets are ideal binary masking and ideal floating masking, both of which are based on the assumption that pure speech and noise are independent of each other, which is difficult to satisfy in real scenes. However, the ideal floating value masking and phase sensitive masking in complex domain take into account the phase information of speech signal, which is difficult to estimate, so the actual separation effect is still not very good. Compared with these commonly used time-frequency masking, the optimized floating value masking is adopted in this paper, considering the correlation between pure speech and noise, which accords with the condition of speech separation in real scene. In this paper, a new method to solve the problem of speech separation is proposed by combining it with the supervised speech separation technology and taking the optimization of floating value masking as the separation target. In this paper, simulation experiments are carried out in a variety of noise environments and signal-to-noise ratio (SNR) conditions, and compared with several commonly used training targets. The experimental results show that the method proposed in this paper can further improve the effect of speech separation. It is more suitable for speech separation in real scene. Considering that the optimization of floating value masking is based on the correlation information between pure speech and noise, this paper makes further simulation experiments on the more challenging speech separation between different voices. Experimental results show that the proposed separation method has the same performance advantages for different speaker speech separation. The problem of single-channel speech dereverberation is also one of the focuses in the field of speech signal processing. In recent years, with the development of deep learning, researchers have applied deep learning to the problem of phonological reverberation, and achieved good results. In this paper, the proposed speech separation method is used to realize the speech de-reverberation. The experimental results show that the de-reverberation effect has been improved to a certain extent.
【學位授予單位】：內(nèi)蒙古大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TN912.3

【相似文獻】

相關期刊論文 前10條

1 李從清;孫立新;龍東;任曉光;;語音分離技術的研究現(xiàn)狀與展望[J];聲學技術;2008年05期

2 施劍;杜利民;;基于麥克陣列的實時盲語音分離系統(tǒng)[J];微計算機應用;2008年05期

3 張磊;劉繼芳;項學智;;基于計算聽覺場景分析的混合語音分離[J];計算機工程;2010年14期

4 楊海濱;張軍;;基于模型的單通道語音分離綜述[J];計算機應用研究;2010年11期

5 虞曉,胡光銳;基于高斯混合密度函數(shù)估計的語音分離[J];上海交通大學學報;2000年01期

6 虞曉,胡光銳;基于高斯混合密度函數(shù)估計的語音分離[J];上海交通大學學報;2000年02期

7 張雪峰,劉建強,馮大政;一種快速的頻域盲語音分離系統(tǒng)[J];信號處理;2005年05期

8 陳鍇;盧晶;徐柏齡;;基于話者狀態(tài)檢測的自適應語音分離方法的研究[J];聲學學報;2006年03期

9 董優(yōu)麗;謝勤嵐;;不確定信號源個數(shù)的語音分離[J];現(xiàn)代電子技術;2008年03期

10 徐方鑫;;瑞米茲交替算法在語音分離上的應用[J];電腦知識與技術;2012年03期

相關會議論文 前5條

1 史曉非;王憲峰;黃耀P;劉人杰;;一個推廣參數(shù)矢量算法在語音分離中的應用[A];中國航海學會通信導航專業(yè)委員會2004學術年會論文集[C];2004年

2 劉學觀;陳雪勤;趙鶴鳴;;基于改進遺傳算法的混疊語音分離研究[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

3 林靜然;彭啟琮;邵懷宗;;基于麥克風陣列的雙波束近場定位及語音分離[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

4 茅泉泉;趙力;;基于MIMO的盲信道語音分離技術[A];2004年全國物理聲學會議論文集[C];2004年

5 李量;杜憶;吳璽宏;Claude Alain;;人類聽皮層在語音分離中對頻率線索和空間線索的線性整合[A];增強心理學服務社會的意識和功能——中國心理學會成立90周年紀念大會暨第十四屆全國心理學學術會議論文摘要集[C];2011年

相關博士學位論文 前3條

1 王燕南;基于深度學習的說話人無關單通道語音分離[D];中國科學技術大學;2017年

2 趙立恒;基于計算聽覺場景分析的單聲道語音分離研究[D];中國科學技術大學;2012年

3 王雨;基于計算聽覺場景分析的單通道語音分離研究[D];華東理工大學;2013年

相關碩士學位論文 前10條

1 趙訓川;基于計算聽覺場景分析和麥克風陣列的語音分離的研究[D];燕山大學;2015年

2 何求知;單通道語音分離關鍵技術研究[D];電子科技大學;2015年

3 曹猛;基于計算聽覺場景分析和深度神經(jīng)網(wǎng)絡的混響語音分離[D];太原理工大學;2016年

4 李梟雄;基于雙耳空間信息的語音分離研究[D];東南大學;2015年

5 王瑜;基于計算聽覺場景分析的三通道語音分離研究[D];燕山大學;2016年

6 王菁;基于計算聽覺場景分析的混合語音分離[D];燕山大學;2016年

7 束佳明;基于雙耳聲源定位的魯棒語音分離研究[D];東南大學;2016年

8 陳麟琳;基于機器學習的欠定語音分離方法研究[D];大連理工大學;2016年

9 李號;基于深度學習的單通道語音分離[D];內(nèi)蒙古大學;2017年

10 夏莎莎;監(jiān)督性語音分離中訓練目標的研究[D];內(nèi)蒙古大學;2017年

，

本文編號：1804183