基于计算听觉场景分析和语者模型的语音分离研究的中期报告.docxVIP

基于计算听觉场景分析和语者模型的语音分离研究的中期报告 一、项目背景 语音分离是指从混合语音中分离出目标语音的过程。该技术被广泛应用于语音识别、语音增强、说话人识别等领域。传统的语音分离方法主要基于盲源分离、滤波器组合等原理，但受到混合语音信号的相关性和复杂性的限制，分离效果不理想。近年来，深度学习的发展为解决语音分离问题提供了一种新的思路，基于深度学习的语音分离方法已经取得了显著的进展。 本项目旨在利用计算听觉场景分析和语者模型相结合的方法实现更为准确的语音分离。具体研究内容包括：建立计算听觉场景分析模型，提取混合语音中的语音成分和噪声成分；建立语者模型，根据语音特征提取说话人的信息；将计算听觉场景分析模型和语者模型相结合，实现更为准确的语音分离。 二、进展情况 1. 计算听觉场景分析模型的构建 我们采用深度卷积神经网络（DCNN）来构建计算听觉场景分析模型，搭建了一个5层的卷积神经网络模型。模型的输入为混合语音的时频图，输出为语音成分和噪声成分的时频图。我们采用了交叉熵损失函数来训练模型，使用Adam优化器对模型进行参数更新。 2. 语者模型的构建 我们采用了一种基于深度学习的说话人识别模型，该模型可以从输入语音中提取说话人的信息。我们采用了一种基于卷积神经网络和长短时记忆网络（CNN-LSTM）的方案来构建语者模型。模型的输入为语音的时频图，输出为该语音对应的说话人的编码向量