基于子带分解的语音分离算法研究

论文摘要

本文提出了一种利用拉普拉斯正态混合分布的概率密度函数作为语音信号概率密度函数的估计,通过这个函数推导出自然梯度算法的激活函数,与传统的用拉普拉斯分布的概率密度函数作为语音信号概率密度函数估计得出的符号函数作为自然梯度算法的激活函数相比,本文算法具有更好的收敛性能和良好的语音分离效果。 本文对子带分解和相关语音源信号的瞬时混合盲分离进行了研究。将两个相关语音源信号经过瞬时混合得到的混合信号进行子带分解,在各个子带上进行分离,找出具有独立子带信号的子带,把该子带上的分离矩阵作为全带信号的分离矩阵,实现语音信号的分离。通过计算机仿真可以验证该算法可以有效的实现相关语音信号的分离。

论文目录

• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 语音分离问题的发展和现状
• 1.3 语音分离研究存在的主要问题
• 1.4 本文研究的主要内容及研究结果
• 1.5 论文章节安排
• 第2章 盲源分离
• 2.1 盲源分离的数学模型
• 2.1.1 瞬时混合
• 2.1.2 卷积混合
• 2.2 盲源分离的基本假设和不确定性问题
• 2.2.1 盲源分离的基本假设
• 2.2.2 盲源分离的不确定性问题
• 2.3 盲源分离的各种方法简介
• 2.3.1 瞬时混合盲源分离问题的一些基本分离方法
• 2.3.2 卷积混合盲源分离问题的一些基本分离方法
• 2.4 基于拉普拉斯正态混合分布的语音分离算法
• 2.4.1 自然梯度算法
• 2.4.2 激活函数的选取原则
• 2.4.3 拉普拉斯正态混合分布
• 2.4.4 算法仿真
• 2.5 卷积混合语音分离的自然梯度算法
• 2.5.1 前项反馈卷积混合语音模型分离算法
• 2.5.2 算法仿真
• 第3章 子带算法
• 3.1 子带滤波器组的基本结构
• 3.1.1 子带滤波器组的基本结构
• 3.1.2 分析部分
• 3.1.3 综合部分
• 3.1.4 Noble等效
• 3.2 两通道滤波器组及重构条件
• 3.3 子带滤波器组设计
• 3.3.1 原型滤波器设计
• 3.3.2 余弦调制滤波器组
• 第4章 基于子带分解的语音分离算法
• 4.1 信号的相关与独立
• 4.2 子带分解语音分离算法
• 4.3 两个相关语音源信号及其可分离性分析
• 4.4 算法仿真
• 4.4.1 含有低频正弦信号的语音分离
• 4.4.2 含有高频噪声的语音分离
• 4.4.3 不同人说相同内容的语音分离
• 第5章 全文总结与展望
• 5.1 全文总结
• 5.2 展望
• 参考文献
• 中文详细摘要
• 英文摘要
• 致谢
• 导师及作者简介