论文部分内容阅读
计算听觉场景分析试图利用计算机技术通过对人类听觉心理过程及听觉生理过程的模拟,使计算机具备象人耳那样处理声音(分离并解释)的能力,这是一项新兴的边缘研究课题。本论文对混叠语音的场景分析问题进行了研究,建立了一个初步完整的混叠语音听觉场景分析系统,并完成了有一定创新性的工作: 1、针对以往混叠语音听觉场景分析系统存在的分离效果差,过程复杂,计算量大等问题,借鉴MBE(Multi-Band Excitation)技术,提出了双基频多带激励场景分析模型(Double Pitch Multi Band Excitation Scene Analysis Model,DP-MBE SAM)及基于DP-MBE SAM的混叠浊音听觉场景分析系统。由于模型以基频轨迹为线索,同时考虑混叠语音参数的提取,而不是以固定频宽的滤波器阵列机械地将混叠信号分解,所以,DP-MBE SAM模型更适合语音信号的频率特性变化的要求,混叠语音的分离具有更接近人类听觉系统的鲁棒性和灵活性,我们所提出的系统不同于传统的语音听觉场景分析系统,可实现混叠语音信号的有效分离。由于模型中混叠信号的参数是对应基频而定,参数确定时就对应着分为两组,从而节省了传统语音听觉场景分析系统复杂的分组环节,大大降低了系统的计算量。另外,DP-MBE SAM机理可以推广到多于两个语音信号的场景分析。且代表语音的参数作为一组数字化信息更适合作为联系底层听觉系统和高层大脑的中层表达的要求。实验结果表明了我们的系统能有效分离基频不同的混叠语音信号。 2、针对基于DP-MBE SAM的混叠浊音听觉场景分析系统存在的问题,提出了改进的基于DP-MBE SAM的混叠语音听觉场景分析系统,包括两部分内容,第一,针对DP-MBE SAM在实际的应用中存在的求解矩阵奇异引起的参数模糊及混叠信号谐波频率相同引起的参数模糊问题,借鉴多帧内插方法,提出了改进的DP-MBE SAM;第二,在基于DP-MBE SAM的混叠浊音听觉场景分析系统加入清音分离环节,将系统的应用从浊音推广到含有清浊音的语音信号。将改进系统用于两个混叠语音信号的场景分析,实验结果表明了改进系统的有效性。 3、针对Meddis建立的基于听觉心理生理的混叠语音基频提取算法存在的问题,提出了基于听觉心理生理的混叠语音基频提取新算法,由于采取了闭环自适应提取模块及相应的潜在基频确定方法,提高了搜索潜在基频的鲁棒性,又利用潜在基频重新划分频带;有效提高了基频提取精度。实验结果证实了混叠语音基频提取新算法具有听觉场景分析所需要的较好的鲁棒性和柔韧性,所提取的基频可作为听觉场景分析系统的声音归类线索。