本文關鍵詞：骨導和氣導結(jié)合的語音增強系統(tǒng)搭建

  更多相關文章： 語音增強 六通道 骨導語音 深度神經(jīng)網(wǎng)絡

【摘要】：氣導語音在通訊過程中非常容易遭受各種噪聲的干擾。所以,以空氣為媒介傳播的信號自然而然的遭受到多種多樣噪聲的干擾,例如信道以及別的發(fā)言者的滋擾。本文引入的骨導語音信號,對音源的采集不是來自聲音傳感器,而是通過高靈敏的振動傳感器采集顱骨的振動,然后再轉(zhuǎn)換為音頻信號。其優(yōu)點是從聲源處屏蔽了背景噪聲,但是通過人體采集到的語音信號,高頻衰減十分嚴重,在信噪比較高的環(huán)境下使用反而不如傳統(tǒng)的氣導設備。為了發(fā)揮骨導和氣導各自信息特征的優(yōu)勢,本文重點研究基于骨導和氣導融合的語音增強系統(tǒng)搭建。主要包括以下內(nèi)容:首先,基于LabVIEW和NI的八通道數(shù)據(jù)采集卡完成鼻梁、額頭、耳骨、喉嚨、嘴唇上面頰和氣導語音共六通路的同步語音采集和保存,為了防止采集大批數(shù)據(jù)所用時間長緩沖區(qū)溢出和丟數(shù)據(jù)的問題,本文所編的采集和保存程序采取了生產(chǎn)者消費者模式,邊采集邊保存。其次,研究多種用于氣導語音增強的技術,為后續(xù)六通道數(shù)據(jù)融合做準備,本文不但用了較經(jīng)典的譜減法、wiener法、MMSE以及每一個經(jīng)典增強算法的改進算法,還用了較為新穎的小波變換法和子空間法,每一種方法都進行了仿真實驗,每個方法都各有優(yōu)缺點,經(jīng)典的方法所能去除的噪聲類型存在差異,需要選用不一樣的語音增強算法來去噪和增加清晰度,具有一定的局限性。相對而言,小波變換法處理語音失真度更小,去噪效果更好,類似的還有子空間。但是,上述方法常用的信噪比范圍為0dB~15dB,在信噪比低到-5dB時,上述方法都已不適用。完成骨導語音的頻譜擴展,先提取六路語音的特征參數(shù),以氣導語音的特征參數(shù)為目標輸出,分別以五路骨導語音的特征參數(shù)為源輸入,進行深度神經(jīng)網(wǎng)絡訓練,建立骨導語音到氣導語音的模型轉(zhuǎn)換,用氣導語音彌補骨導語音高頻,提到骨導語音的清晰度。本文重在完成氣導語音和五路頻譜擴展后的骨導語音進行自適應融合,估計背景噪聲的強弱,實現(xiàn)在高信噪比的情況下,自適應增大氣導語音的權(quán)值,削弱各路骨導語音的權(quán)值,低信噪比時則反之�；诖朔椒ǖ膶嵱眯愿鼜�,增強語音的效果更好。
【關鍵詞】：語音增強 六通道 骨導語音 深度神經(jīng)網(wǎng)絡
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN912.35
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第1章 緒論10-19
• 1.1 課題研究背景及意義10-11
• 1.2 語音增強技術國內(nèi)外研究現(xiàn)狀11-17
• 1.2.1 基于氣導的語音增強研究11-14
• 1.2.2 基于骨導的語音增強研究14-16
• 1.2.3 基于骨導和氣導融合的語音增強研究16-17
• 1.3 語音增強系統(tǒng)的主要組成17
• 1.4 課題研究的目的17-18
• 1.5 課題研究的主要內(nèi)容18-19
• 第2章 語音增強的理論基礎19-26
• 2.1 引言19
• 2.2 語音增強理論依據(jù)19-21
• 2.2.1 純凈語音特性19-20
• 2.2.2 噪聲語音特性20-21
• 2.3 語音分析與合成21-22
• 2.3.1 說話人相關特征21-22
• 2.3.2 骨導和氣導語音的相關性22
• 2.4 語音增強效果的評價標準22-25
• 2.4.1 主觀評價23-24
• 2.4.2 客觀評價24-25
• 2.5 本章小節(jié)25-26
• 第3章 基于氣導的語音增強技術26-48
• 3.1 引言26
• 3.2 基于譜減法的語音增強26-29
• 3.2.1 基本譜減法26-27
• 3.2.2 多窗譜估計譜減法27-29
• 3.3 基于維納濾波法的語音增強29-31
• 3.3.1 基本維納濾波法29-30
• 3.3.2 基于先驗信噪比的維納濾波法30-31
• 3.4 基于最小均方誤差算法的語音增強31-35
• 3.4.1 基本最小均方誤差法31-33
• 3.4.2 對數(shù)譜最小均方誤差法33-35
• 3.5 基于小波閾值的語音增強35-38
• 3.5.1 小波變換基本理論35-37
• 3.5.2 小波閾值去噪37-38
• 3.6 基于子空間的語音增強38-39
• 3.6.1 子空間去噪基本理論38
• 3.6.2 子空間算法38-39
• 3.7 實驗仿真及結(jié)果分析39-47
• 3.8 本章小結(jié)47-48
• 第4章 基于骨導和氣導的頻譜擴展技術48-66
• 4.1 引言48
• 4.2 語音特征提取48-49
• 4.3 頻譜擴展關鍵技術49-54
• 4.3.1 線性預測分析技術49-51
• 4.3.2 頻譜擴展技術51-54
• 4.4 基于改進神經(jīng)網(wǎng)絡的頻譜擴展54-64
• 4.4.1 DNN基礎理論55-57
• 4.4.2 骨導語音的頻譜擴展57-58
• 4.4.3 實驗仿真58-64
• 4.5 本章小結(jié)64-66
• 第5章 基于骨導和氣導融合的語音增強技術66-78
• 5.1 引言66-67
• 5.2 語音采集和保存67-70
• 5.2.1 硬件設備67
• 5.2.2 采集和保存軟件設計67-69
• 5.2.3 采集保存的語音69-70
• 5.3 骨導和氣導融合的語音增強70-72
• 5.3.1 基于自適應抵消的AC和BC的融合70-71
• 5.3.2 基于FLANN的多通道數(shù)據(jù)融合71-72
• 5.4 實驗仿真及結(jié)果分析72-77
• 5.5 本章小結(jié)77-78
• 結(jié)論78-80
• 參考文獻80-87
• 致謝87

，

本文編號：789023