基于深度神经网络的多说话人语音分离与置换不变训练.docx

PAGE2

基于深度神经网络的多说话人语音分离与置换不变训练

摘要

多说话人语音分离旨在从混合语音信号中恢复出每个说话人的纯净语音，是语音处理领域的核心难题之一。

当混合信号中包含多个说话人时，如何准确拆解频谱特征并确定分离输出与目标说话人之间的对应关系，一直是制约分离性能提升的关键瓶颈。

本课题以双向长短期记忆网络（Bi-LSTM）为分离主干，引入置换不变训练（PIT）准则，设计并实现了一套完整的语音分离系统，旨在消除标签置换带来的训练混乱，实现高质量的说话人无关分离。

论文首先分析混合语音分离的现实需求与技术难点，梳理基于深度学习的语音分离方法及标签置换问题的现有解决方案。

随后，围