基于计算听觉场景分析的多人语音分离方法
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1. 绪论 | 第7-13页 |
| 1.1 引言 | 第7页 |
| 1.2 语音分离技术的发展 | 第7-11页 |
| 1.2.1 盲源分离 | 第8页 |
| 1.2.2 基于计算听觉场景分析的语音分离 | 第8-11页 |
| 1.3 语音分离技术的应用前景 | 第11页 |
| 1.4 研究难点 | 第11-12页 |
| 1.5 论文组织结构 | 第12-13页 |
| 2. 计算听觉场景分析原理 | 第13-24页 |
| 2.1 人耳构造 | 第13-14页 |
| 2.2 人耳听觉特性 | 第14-15页 |
| 2.3 计算听觉场景分析方法 | 第15-18页 |
| 2.3.1 数据驱动型CASA系统 | 第16-17页 |
| 2.3.2 图式驱动型CASA系统 | 第17-18页 |
| 2.3.3 本文主要思路 | 第18页 |
| 2.4 语音信号的特征分析 | 第18-23页 |
| 2.4.1 短时分析技术 | 第18-22页 |
| 2.4.2 语谱图 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3. 基音周期检测 | 第24-32页 |
| 3.1 现有基音周期提取方法 | 第24-26页 |
| 3.1.1 基于自相关的基音提取算法 | 第24页 |
| 3.1.2 基于AMDF的基音周期提取算法 | 第24-25页 |
| 3.1.3 Hu-Wang系统中的基音跟踪算法 | 第25页 |
| 3.1.4 基音周期的后处理 | 第25-26页 |
| 3.2 倒谱法 | 第26-29页 |
| 3.2.1 语音信号的倒谱分析 | 第26-28页 |
| 3.2.2 倒谱域中基音周期的确定 | 第28-29页 |
| 3.3 基音谱图 | 第29-31页 |
| 3.3.1 基音谱图的绘制 | 第29-30页 |
| 3.3.2 基音谱图帧长选取 | 第30页 |
| 3.3.3 基音轨迹的自动提取 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 4. 单人语音与噪声的混合语音分离 | 第32-44页 |
| 4.1 噪声条件下的语音分离方法 | 第32-34页 |
| 4.1.1 谐波自动提取 | 第32-33页 |
| 4.1.2 谐波分离后语音信号的重构 | 第33-34页 |
| 4.2 语音分离结果的评估 | 第34-36页 |
| 4.2.1 语音质量主观评估 | 第34页 |
| 4.2.2 语音质量客观评估 | 第34-36页 |
| 4.3 信噪分离实验 | 第36-43页 |
| 4.3.1 实验准备 | 第37页 |
| 4.3.2 单人语音信号与白噪声混合实验 | 第37-39页 |
| 4.3.3 单人语音信号与冲激噪声混合实验 | 第39-41页 |
| 4.3.4 单人语音信号与水流噪声混合实验 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5. 多人混合语音的分离 | 第44-57页 |
| 5.1 说话人识别 | 第44-51页 |
| 5.1.1 说话人识别的基本原理 | 第44页 |
| 5.1.2 语音信号特征参数提取 | 第44-46页 |
| 5.1.3 高斯混合模型 | 第46-50页 |
| 5.1.4 说话人识别系统测试 | 第50-51页 |
| 5.2 多说话人语音分离实验 | 第51-56页 |
| 5.2.1 不同内容的两人混合语音分离实验 | 第52-54页 |
| 5.2.2 相同内容的两人混合语音分离实验 | 第54-55页 |
| 5.2.3 实验结果分析 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6. 总结与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62页 |
