[發(fā)明專(zhuān)利]強(qiáng)魯棒性語(yǔ)音分離方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 200710024894.8
• 申請(qǐng)日: 2007-07-05
• 公開(kāi)（公告）號(hào): CN101083078A
• 公開(kāi)（公告）日: 2007-12-05
• 發(fā)明（設(shè)計(jì)）人: 褚軼景;丁和平;邱小軍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京大學(xué);加拿大國(guó)家研究委員會(huì)
• 主分類(lèi)號(hào): G10L21/02
• 分類(lèi)號(hào): G10L21/02
• 代理公司: 南京天翼專(zhuān)利代理有限責(zé)任公司
• 代理人: 湯志武;王鵬翔

一、技術(shù)領(lǐng)域

本發(fā)明涉及一種實(shí)現(xiàn)兩混合語(yǔ)音分離而魯棒性較強(qiáng)的方法。

二、背景技術(shù)

雞尾酒會(huì)效應(yīng)通常會(huì)影響語(yǔ)音質(zhì)量。如何將兩個(gè)不同方向傳來(lái)的混合語(yǔ)音分離，現(xiàn)有的解決辦法是1)使用揚(yáng)聲器陣列實(shí)現(xiàn)波達(dá)方向(DOA)識(shí)別技術(shù)及2)基于獨(dú)立分量分析(ICA)的盲分離技術(shù)。陣列方法主瓣寬度難以做到很窄，旁瓣難以抑制；盲分離技術(shù)則要求信號(hào)互不相關(guān)，這使得此技術(shù)的實(shí)際應(yīng)用受阻。

中國(guó)專(zhuān)利公開(kāi)CN00804884.3用于語(yǔ)音識(shí)別的聲調(diào)特性，(皇家菲利浦電子有限公司)增強(qiáng)的聲音聲調(diào)特性首先通過(guò)引入帶有自適應(yīng)切除的在線(xiàn)的先行追溯基頻(FO)輪廓而得到，這個(gè)基頻用作為信號(hào)預(yù)處理前端。FO輪廓隨后借助于時(shí)變的加權(quán)移動(dòng)平均(MA)濾波器并結(jié)合FO輪廓的加權(quán)的(更多地關(guān)注元音)最小平方而被分解為詞匯聲調(diào)影響、詞組語(yǔ)調(diào)影響、和隨機(jī)影響。詞組語(yǔ)調(diào)影響被定義為發(fā)聲的FO輪廓的長(zhǎng)期趨勢(shì)，它可用FO輪廓的加權(quán)移動(dòng)平均來(lái)近似，而其加權(quán)值與信號(hào)的周期性程度有關(guān)。

CN200510067777.0利用中樞網(wǎng)絡(luò)分離語(yǔ)音信號(hào)，它能夠分離和重建在語(yǔ)音信號(hào)的頻率成分被背景噪聲掩蓋的環(huán)境中傳輸?shù)恼Z(yǔ)音信號(hào)。該語(yǔ)音分離系統(tǒng)從一個(gè)音頻源獲得一個(gè)伴有噪聲的語(yǔ)音信號(hào)。然后噪聲語(yǔ)音信號(hào)可通過(guò)一個(gè)已訓(xùn)練為能夠從背景噪聲中隔離和重建純凈語(yǔ)音信號(hào)的中樞網(wǎng)絡(luò)進(jìn)行饋送。一旦噪聲語(yǔ)音信號(hào)通過(guò)中樞網(wǎng)絡(luò)進(jìn)行饋送，該語(yǔ)音信號(hào)分離系統(tǒng)就產(chǎn)生一個(gè)充分降噪的估值語(yǔ)音信號(hào)。

CN00815076.1語(yǔ)音識(shí)別的健壯特征提取方法和裝置，涉及一種在有噪聲環(huán)境下用于語(yǔ)音識(shí)別的健壯(robust)特征提取方法和裝置，在其中按頻譜分量的特征對(duì)一個(gè)語(yǔ)音信號(hào)分段。將語(yǔ)音信號(hào)劃分成L次能帶中的許多短期頻譜分量，其中的L＝1，2，...，并且根據(jù)僅含噪聲的片段估算一個(gè)噪聲頻譜。然后根據(jù)對(duì)應(yīng)的短期頻譜執(zhí)行對(duì)估算的噪聲頻譜的頻譜減法，并且為各個(gè)短期頻譜分量計(jì)算出含噪聲的概率。最后為含語(yǔ)音的概率很低的各短期頻譜的這些頻譜分量執(zhí)行內(nèi)插，以便平滑那些僅含噪聲的短期頻譜。通過(guò)對(duì)含噪聲的頻譜分量執(zhí)行內(nèi)插就能從近旁找到可靠的頻譜語(yǔ)音分量。

但現(xiàn)有技術(shù)未涉及混合語(yǔ)音分離過(guò)濾，尤其是魯棒性高，計(jì)算量較小的語(yǔ)音分離方法并未作為專(zhuān)利提出。

如圖1，假設(shè)房間中有兩個(gè)聲源發(fā)出音頻信號(hào)(s₁和s₂)，同時(shí)有兩個(gè)麥克風(fēng)對(duì)信號(hào)采樣(x₁和x₂)。如果兩聲源同時(shí)發(fā)聲，s₁和s₂通過(guò)房間固有的傳遞函數(shù)H_ij，i，j＝1，2混合，麥克風(fēng)將會(huì)得到混合語(yǔ)音。

三、發(fā)明內(nèi)容

本發(fā)明的目的是提供一種魯棒性高，計(jì)算量較小的語(yǔ)音分離算法。該方法假設(shè)聲源存在足夠長(zhǎng)的單聲源作用時(shí)段，采用簡(jiǎn)單的單聲源作用時(shí)段檢測(cè)方法，在單聲源作用時(shí)段實(shí)現(xiàn)分離濾波器估計(jì)，兩聲源同時(shí)作用時(shí)段進(jìn)行混合語(yǔ)音分離。

本發(fā)明是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：

強(qiáng)魯棒性語(yǔ)音分離方法，采用兩路麥克風(fēng)接收信號(hào)x₁和x₂，且每路信號(hào)分別聯(lián)接分離濾波器W_ij(n)，i，j＝1，2(如圖1)，同時(shí)x₁和x₂分別聯(lián)接檢測(cè)濾波器D_i(n)，i＝1，2(如圖2)，使用單聲源作用檢測(cè)方法檢測(cè)出單聲源作用時(shí)段后，再進(jìn)行分離濾波器估計(jì)，這樣，兩聲源同時(shí)作用時(shí)就可以進(jìn)行混合語(yǔ)音分離；本發(fā)明提供一種魯棒性較強(qiáng)的方法，可以實(shí)現(xiàn)混合語(yǔ)音的分離，在系統(tǒng)輸出分別得到s₁和s₂還原后的信號(hào)u₁和u₂。方法的關(guān)鍵在于假設(shè)聲源存在足夠長(zhǎng)的單聲源作用時(shí)段(即只有s_i，i＝1或2，作用的時(shí)段)，此時(shí)x₁、x₂分別為