语音分离技术的研究现状与展望.docVIP

第 27 卷第 5 期2008 年 10 月声 学 技 术Technical AcousticsVol.27， No.5Oct. 第 27 卷第 5 期 2008 年 10 月 声 学 技 术 Technical Acoustics Vol.27， No.5 Oct.， 2008 语音分离技术的研究现状与展望 李从清 1，2， 孙立新 1， 龙 东 1， 任晓光 1 （1. 河北工业大学机械工程学院， 天津 300130； 2. 天津城市建设学院能源与机械工程系， 天津 300384） 摘要： 从计算听觉场景分析和盲源分离两种方法综述了当前语音分离技术的研究现状和发展方向。 计算听觉场景分 析是用计算机来模拟人类听觉系统的处理机制。 它可分为两大类：一类是数据驱动型，特点是信息由低级向高级的单 向流动；另一类是图式驱动型，特点是信息由低级向高级和由高级向低级结合的双向流动。 最后指出信息双向互流的 混合语音分离模式将是未来计算听觉场景分析研究的主要模式； 基于听觉和视觉的结合来改善语音分离效果的研究 将是未来研究方向之一。 此外，盲源分离的欠完全问题，非线性混叠信号的可分离性、非平稳混叠信号的盲分离问题都 将需要进一步研究；基于 CASA 和 BSS 联合进行语音分离将是未来研究的热点。 关键词： 语音分离；听觉场景分析；计算听觉场景分析；盲源分离 中图法分类号：TN912.3，TN911.7 文献标识码： A 文章编号： 1000-3630（2008）-05-0779-09 State and frontiers of research in speech separation LI Cong-qing1，2， SUN Li-xin1， LONG Dong1， REN Xiao-guang1 （1. School of Mechanical Engineering ， Hebei University of Technology ， Tianjin 300130， China; 2. Tianjin Urban Construction Institute， Department of Energy Source and Mechanical Engineering ， Tianjin 300384， China） Abstract： The state and the direction of research in speech separation technique， including computational auditory scene analysis （CASA） and blind source separation （BSS）， are reviewed. Computational auditory scene analysis is a processing mechanism that simulates human auditory system by computer. CASA is classified as data-driven CASA and schema-driven CASA. The information direction flowing of data-driven CASA is bottom-up and that of schema-driven CASA is integrating bottom-up and top-down. Finally， it is pointed out that the speech separation model of information bi-direction flowing of CASA is the dominant pattern of CASA in the future， and the speech separation method based on integrating audition and vision in order to improve effect of speech separation is one of the directions of research in the future. Furthermore， it is pointed out that the under-complete， the nonlinear and the non-stationary BSS problems