利用ICA进行语音场景分析

论文摘要

人类听觉系统可以在嘈杂的环境中感知和定位自己感兴趣的声音,语音场景分析尝试让计算机具备人耳的这种听觉功能。论文在语音场景分析领域引入独立分量分析方法和时频分析方法。文中首先对这两种分析方法的发展历史和研究现状进行了归纳总结,并在此基础上构建了一个语音场景分析模型。该模型采用独立分量分析算法,对采集到的混叠场景语音进行分离,同时结合时频分析方法和距离测度方法完成了听觉功能中的说话人确认问题。最后对语音场景信号的分离和验证实验给出了从实验数据样本采集规范、实验数据评测到大量实验结果的详细分析,用于说明本文所述模型的理论价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 语音场景分析模型的研究背景和意义
• 1.2 独立分量分析的发展简史和现状
• 1.3 时频分析的发展简史和现状
• 1.4 论文的主要内容与结构
• 第二章 独立分量分析在语音分离方面的应用
• 2.1 独立分量分析原理
• 2.1.1 独立分量分析数学原理描述
• 2.1.2 基于高阶统计量的独立性判据
• 2.1.3 信息论框架下的独立性判据
• 2.1.4 独立性判据的优化算法
• 2.2 语音数据的预处理
• 2.2.1 中心化和白化
• 2.2.2 稀疏分解去噪
• 2.3 语音分离方面的应用分析
• 2.4 本章小结
• 第三章 时频分析在语音验证方面的应用
• 3.1 时频分析
• 3.1.1 时频分析的基本概念
• 3.1.2 Cohen 类时频分布
• 3.2 验证原理
• 3.2.1 核函数的选择
• 3.2.2 距离测度
• 3.3 基于时频分析的语音验证研究
• 3.4 本章小结
• 第四章 语音场景分析模型的构建
• 4.1 模型的构建
• 4.2 语音分离算法分析
• 4.2.1 线性混合模型分解算法
• 4.2.2 卷积混合模型分解算法
• 4.3 说话人验证算法
• 4.4 本章小结
• 第五章 实验与结果分析
• 5.1 实验环境与数据准备
• 5.2 实验结果及分析评估
• 5.3 本章小结
• 第六章 结论与展望
• 6.1 主要工作和意义
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的学术论文