单通道语音分离关键技术研究-计算机应用技术专业论文.docx

摘要 摘要 I I 摘 要 随着智能手机的普及，人机语音交互技术又一次迎来了发展的机会，如何让 人机语音交互变得方便高效成为近年来的研究热点。语音分离作为人机语音交互 技术中的核心问题，是自动语音识别、语言自动翻译、说话者识别等技术的有力 支撑。由于很多人机语音交互的实际应用场景中只有一个语音输入设备，单通道 语音分离技术受到许多研究人员的关注。 以听觉场景分析理论为基础，研究人员提出了基于计算听觉场景分析的单通 道语音分离系统。这种语音分离系统的处理过程与人类听觉系统感知语音信号的 过程类似，经过不断的改进，取得了较好的分离效果。 本文对计算听觉场景分析的相关理论和算法进行了研究，详细的介绍了目前 比较先进的 Hu-Wang 系统。并在 Hu-Wang 提出的单通道语音分离系统的基础上， 提出了一些改进方法，本文主要的创新点如下： 1.本文通过使用数学形态学图像处理技术，对 CASA 系统进行初步浊音分段得 到的二值掩码图进行了改进。传统的 CASA 系统使用固定的阈值来进行浊音的初 步分段，导致得到的二值掩码图中包含了残余的噪声和破损的语音。CASA 系统后 续的基音检测和组合过程都是以这个二值掩码图为基础的，不准确的二值掩码图 会严重的影响 CASA 系统的语音分离结果。本文利用数学形态学图像处理技术， 在二值掩码图的高频区域利用开运算消除噪声，在低频区域利用闭运算修补目标 语音。实验表明，该方法能有效的提高初步浊音分段结果中目标语音信号的比例。 2.针对 Hu-wang 串联语音分离系统在控制迭代过程中的不足，本文提出了一 种基于语音客观评价算法改进迭代过程的方法。具体的做法是，对每一次迭代的 结果，都经过后续的处理过程形成语音文件，将语音文件进行 p.563 语音质量检测， 通过语音质量检测的结果来决定是否需要再次进行迭代。实验证明利用语音客观 评价方法控制迭代流程要比传统方式更好。第一，客观语音质量评价算法可以根 据每次迭代后目标语音的 MOS-LQP 评分值来控制迭代过程，让整个语音分离系统 能够适用于不同的使用场景和不用的需求。第二，Hu-Wang 系统中将数据是否收 敛作为终止迭代系统的一个指标，而语音的客观评价标准比这个指标更具有权威 性，更适合用来控制迭代流程。 关键词：计算听觉场景，语音分离，音质客观评价算法，基音跟踪 ABSTRACT ABSTRACT II II ABSTRACT With the popularity of smart phones, human-computer interaction techniques once again obtained the opportunity to develop, how to make the human-computer interaction easy and efficient become a research hotspot in recent years. Speech separation is the foundation of many techniques such as automatic speech recognition, automatic language translation, speaker recognition and so on. Speech separation is also the key problem in human-computer interaction techniques. Because a lot of practical application of human-computer interaction techniques only have one voice input device, monaural speech separation system have got the attention of many researchers. On the basis of auditory scene analysis theory, the researchers presented monaural speech segregation system. The speech separation system’s processing of sound is similar to human auditory perception processing of speech signal, achieving the good results after continual improvement. This dissertation introduces th