[發明專利]一種分頻段切換CMN非線性函數的頻域語音盲分離方法

無效

• 申請號: 201210022621.0
• 申請日: 2012-02-01
• 公開（公告）號: CN102543098A
• 公開（公告）日: 2012-07-04
• 發明（設計）人: 林秋華
• 申請（專利權）人: 大連理工大學
• 主分類號: G10L21/02
• 分類號: G10L21/02
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 梅洪玉;關慧貞

技術領域

本發明涉及一種語音增強方法，特別是涉及一種頻域語音盲分離方法。

背景技術

語音識別和內容理解是計算機感知與決策、無人駕駛等國家關鍵技術中的重要功能。然而，由于自然環境下的語音常常受到環境噪聲、多人多方對話等干擾，其信噪比和可懂度大為降低，嚴重時可造成語音識別和內容理解失敗。所以，消除各種語音干擾(即語音增強)是語音信號處理的首要環節。因為語音和噪聲特性復雜多變，人們一直在探索穩定、有效的語音增強方法，但至今仍面臨巨大挑戰。

傳統的語音增強方法包括自適應濾波、譜減法、波束形成等。這些方法通常需要準確的先驗信息(如噪聲特性)，有時因難于精確獲得這些信息而導致性能下降。為此，對先驗信息要求很低的盲源分離(簡稱盲分離)方法近年來已成為語音增強的研究熱點。盲分離方法幾乎不需要語音信號及其混合方面的任何信息，即能從多路語音混合信號(來自麥克風)中分離出各個語音信號，實現語音增強功能。現有研究結果表明，在強混響環境中，語音和麥克風之間的響應是一個高階FIR濾波器。因此，實際語音混合信號需要用卷積混合模型進行描述，語音增強問題也就變成了盲分離解卷積問題。

目前，盲分離解卷積有時域和頻域兩種方法。顧名思義，時域方法在時域內學習FIR混合濾波器的逆，當濾波器階數較低時分離性能較好。但在實際應用中，混合濾波器的階數較高(如幾千階)，逆濾波器的階數也就很高，眾多的學習參數致使時域方法計算量繁重、收斂困難。相比之下，頻域方法通過短時傅里葉變換(short?time?Fourier?transform，STFT)將時域卷積混合信號轉化為各個頻點的復數瞬時混合信號，這樣只需對各頻點語音混合信號進行瞬時盲分離，就可以實現解卷積。因此，頻域方法具有運算量小、收斂速度快等優勢，已成為語音增強的熱點方法之一，也是本發明所采用的處理方法。

頻域語音盲分離的一種常用做法包括三步：(1)在各頻點對復數語音混合信號進行盲分離，(2)在各頻點對各個語音分離信號進行排序，(3)對排序后各語音信號進行傅里葉反變換(inverse?discrete?Fourier?transform，IDFT)得到時域語音分離信號。其中，第一步的復數語音混合信號盲分離最為關鍵，其性能好壞直接決定后續兩步的成敗。如果分離效果好，第二步的排序易于進行且正確率高，第三步獲取的分離語音信噪比就高；如果分離不好，將造成排序錯誤和分離失敗。目前，實現第一步頻域語音分離的復數盲分離算法主要有，適于分離環形(circular)信號的CfastICA(complex?fastICA)，適于分離非環形(noncircular)信號的SUT(strongly?uncorrelating?transform)，適于分離環形和非環形混合信號的JADE(joint?approximate?diagonalization?of?eigenmatrices)、KM(kurtosis?maximization)、CMN(complex?maximization?of?non-Gaussianity)、ACMN(adaptable?CMN)等算法。非環形度測量結果表明，各頻點語音信號為環形和非環形混合信號，因此，JADE、KM、CMN、ACMN等算法在分離語音信號時性能明顯優于CfastICA和SUT。

然而，JADE、KM、CMN、ACMN等算法并非專門為分離頻域語音信號而開發，也就是說，這些算法并未考慮語音的各種特性及其變化，所以尚不能直接提供令人滿意的語音分離結果。例如，ACMN可針對源信號分布自適應調整非線性函數與之匹配，但僅限于對稱分布源信號，而大多數語音為非對稱分布信號，所以ACMN在分離語音時性能并不理想。同樣，JADE和KM因為目標函數與語音特性不匹配，語音分離性能也不夠好。最具潛力的分離算法當屬CMN，其非線性函數較多，有的適合對稱分布信號，有的適合非對稱分布信號，所以可提供與語音分布相匹配的非線性函數，分離性能高于ACMN、JADE和KM等算法。但是，CMN算法存在的最大問題是，采用了單一非線性函數，不能適應不同語音在高斯性和對稱性方面發生的變化，致使其在分離頻域語音時性能存在較大波動。具體表現為，單一非線性函數CMN算法對有些語音混合信號的分離效果較好，但對另外一些語音混合信號的分離效果卻較差。而且，即使在分離效果較好的情況下，單一非線性函數也不能適應語音信號在全頻段發生的特性改變，致使分離性能上限受到限制。

發明內容