人工智能技术不断更新迭代,并向日益丰富的应用场景渗透,人机语音交互技术日益不可或缺。然而外界环境的多变、噪声的干扰往往会严重影响语音交互性能,特别是强噪声、单通道条件下,从而阻碍语音技术的真实应用,因此一个好的前端语音分离模块尤为重要。近年来有监督语音分离技术取得了重要的研究进展,其中主流的有监督学习算法包括基于计算听觉场景分析、基于非负矩阵分解和基于深度学习的源分离算法。本文研究内容包括基于非负矩阵分解以及基于神经网络的有监督语音两种分离算法,具体内容和创新成果示下:首先,本文重点关注基于非负矩阵分解的语音分离方法,并在目前方法上进行改进和优化,研究出基于卷积非负矩阵部分联合分解的强噪声单声道语音分离算法。通过基音检测算法得到混合信号的语音起始点,再据此确定混合信号中的纯噪声段,最后将混合语音频谱和噪声频谱实现卷积非负矩阵部分联合分解,获得语音基矩阵,进而获得分离的语音幅度谱和时域波形信号。实验结果表明:在不同噪声类型和噪声强度条件下,本文提出的卷积非负矩阵部分联合分解的语音分离均取得较好的效果。其次,本文研究了基于深度聚类的监督性语音分离算法和网络框架,在此基础上,提出一种基于门限卷积深度聚类的语音分离方法,充分利用卷积神经网络其多层次的非线性结构强大的特征学习能力,且擅于发掘语音时频单元中的时空结构信息的优势。该算法允许对语音频谱的上下文特征建模,考虑语音信号的时频依赖性和局部特征,有利于提升语音分离的性能。实验结果表明:该方法不仅取得较好的分离效果,还在保证语音性能的前提下,提升运算效率。最后,本文将所做的具体内容进行了总括,并针对本文内容做出进一步部署。