基于頻域BSS的語(yǔ)音增強(qiáng)方法研究.pdf

1、現(xiàn)實(shí)生活中，語(yǔ)音信號(hào)經(jīng)常會(huì)受到噪聲和房間混響的干擾，這不僅影響人們的聽覺質(zhì)量，而且對(duì)語(yǔ)音處理的其它環(huán)節(jié)也會(huì)產(chǎn)生影響。因此，必須采用信號(hào)處理技術(shù)對(duì)帶噪語(yǔ)音信號(hào)進(jìn)行增強(qiáng)處理。實(shí)際上，除了語(yǔ)音增強(qiáng)之外，語(yǔ)音分離也可以用來(lái)減小噪聲和混響的影響。信號(hào)盲源分離(Blind Source Separation,BSS)是一項(xiàng)具有挑戰(zhàn)性的研究課題，也是信號(hào)處理領(lǐng)域近年來(lái)的研究熱點(diǎn)之一。目前，對(duì)該問題的研究已經(jīng)取得了很大的進(jìn)展。但是，還遠(yuǎn)未達(dá)到成熟的地步

2、，其中，對(duì)于實(shí)際環(huán)境下的卷積語(yǔ)音信號(hào)分離問題的研究可以說(shuō)還處于起步階段。本論文在前人工作的基礎(chǔ)上，主要從以下三個(gè)方面對(duì)頻域盲源分離語(yǔ)音增強(qiáng)方法進(jìn)行了研究。 獨(dú)立分量分析(Independent Component Analysis，ICA)的BSS算法是一種分離信號(hào)的有效方法，但是該方法在進(jìn)行非線性優(yōu)化時(shí)收斂速度較慢。針對(duì)這一問題，本文介紹一種新的BSS算法，即基于ICA和波束形成的混合算法，該算法比通用的基于ICA的BSS算法

3、具有更好的分離性能，并且由于在ICA中利用了零波束形成，因而有效地改善了算法的分離性能和收斂性能。實(shí)驗(yàn)結(jié)果表明，該算法適用于混響情況。 對(duì)語(yǔ)音信號(hào)和音樂信號(hào)進(jìn)行盲解卷是一個(gè)具有挑戰(zhàn)性的問題。在實(shí)際環(huán)境中的卷積混合情況下，ICA算法的分離效果不太理想，分離出的信號(hào)中有串?dāng)_成分存在。為了解決這一問題，本文介紹了一種基于小波域ICA和收縮函數(shù)后處理的BSS方法。該方法首先將麥克風(fēng)陣列接收信號(hào)分別進(jìn)行小波變換，然后將得到的小波系數(shù)進(jìn)行I

4、CA分離，再將分離出的系數(shù)進(jìn)行收縮函數(shù)后處理，最后將處理后的系數(shù)分別進(jìn)行小波反變換，得到分離出的語(yǔ)音信號(hào)和音樂信號(hào)。用計(jì)算機(jī)模擬的帶噪語(yǔ)音信號(hào)對(duì)本文方法進(jìn)行了測(cè)試，實(shí)驗(yàn)結(jié)果表明，該方法能較好地分離語(yǔ)音信號(hào)和音樂信號(hào)。 針對(duì)噪聲和混響情況下的語(yǔ)音增強(qiáng)問題，本文提出一種基于子帶帶參考信號(hào)的獨(dú)立分量分析(Independent Component Analysis with Reference，ICA-R)算法和收縮函數(shù)后處理的語(yǔ)音增