發(fā)布時間：2023-04-28 02:38

　　語音分離主要有純凈聲音與純凈聲音的分離、噪聲與噪聲的分離、純凈聲音與噪聲的分離,本文主要的工作是研究純凈聲音與噪聲的分離。人工智能技術(shù)的日漸成熟,導(dǎo)致現(xiàn)實生活中依托于語音交互技術(shù)的應(yīng)用變得越來越多,但是周圍的一些噪聲往往會干擾語音交互的進行,降低語音交互的性能,因此,語音分離技術(shù)就變得尤為重要。針對噪聲的干擾,最常用的解決方法之一是利用前端語音分離技術(shù)。然而,在真實環(huán)境中的語音分離技術(shù)遠沒有達到理想化的程度,特別是在噪聲不是很穩(wěn)定的情況下,語音分離技術(shù)依然面臨著嚴峻的挑戰(zhàn)。近年來,隨著各種深層模型不斷被挖掘出來,基于深度神經(jīng)網(wǎng)絡(luò)(Deep neural network,DNN)的語音分離技術(shù)研究變得異�；鸨�,因為DNN與其它模型相比擁有很強的非線性建模能力,可以更好的對語音進行分離,所以利用DNN在語音分離領(lǐng)域進行研究儼然成為了一種趨勢。本文主要的工作如下:(1)本文是基于深度神經(jīng)網(wǎng)絡(luò)語音分離方法進行的研究與實現(xiàn),并針對現(xiàn)有DNN模型的不足,提出了一種多模型組合的語音分離方法(Combine deep neural network,CE-DNN),即把兩種不同的訓(xùn)練集放入DNN中進行訓(xùn)...

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及其意義
    1.2 語音分離技術(shù)的國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 語音分離技術(shù)的發(fā)展歷史
        1.2.2 基于深度學(xué)習(xí)的語音分離技術(shù)
    1.3 論文主要研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第2章 語音分離的基本理論
    2.1 基于無監(jiān)督學(xué)習(xí)的語音分離技術(shù)
        2.1.1 譜減法
        2.1.2 自適應(yīng)濾波算法
        2.1.3 計算聽覺場景分析
    2.2 基于有監(jiān)督學(xué)習(xí)的語音分離技術(shù)
        2.2.1 支持向量機模型
        2.2.2 非負矩陣分解模型
        2.2.3 深度神經(jīng)網(wǎng)絡(luò)模型
        2.2.4 深度循環(huán)神經(jīng)網(wǎng)絡(luò)模型
    2.3 本章小結(jié)
第3章 基于多模型組合的語音分離方法
    3.1 基于DNN的語音分離方法
        3.1.1 時頻分解
        3.1.2 特征提取
        3.1.3 分離目標
        3.1.4 DNN訓(xùn)練
        3.1.5 波形合成
    3.2 基于CE-DNN的語音分離方法
        3.2.1 模型介紹
        3.2.2 模型優(yōu)化
        3.2.3 模型步驟
    3.3 實驗設(shè)計
        3.3.1 數(shù)據(jù)預(yù)處理
        3.3.2 性能評估
        3.3.3 實驗結(jié)果
    3.4 本章小結(jié)
第4章 基于DNN和維納濾波法結(jié)合的語音分離方法
    4.1 模型介紹
        4.1.1 維納濾波的基本原理
        4.1.2 模型的提出
    4.2 模型優(yōu)化
    4.3 實驗設(shè)計與結(jié)果
        4.3.1 數(shù)據(jù)預(yù)處理
        4.3.2 評價指標
        4.3.3 基于IRM實驗結(jié)果
        4.3.4 基于IBM實驗結(jié)果
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 今后工作展望
參考文獻
致謝
攻讀學(xué)位期間取得的科研成果清單



本文編號：3803569