基于振蕩神經(jīng)網(wǎng)絡(luò)的語(yǔ)音分離算法的研究.pdf

1、語(yǔ)音分離是實(shí)現(xiàn)機(jī)器聽(tīng)覺(jué)的一個(gè)重要而基礎(chǔ)性的任務(wù)，人們總是希望在一個(gè)有多個(gè)聲音源及各種環(huán)境噪聲的混合語(yǔ)音中提取出自己感興趣的聲音，這對(duì)于我們?nèi)祟?lèi)的聽(tīng)覺(jué)系統(tǒng)來(lái)說(shuō)是件容易的事，就如“雞尾酒會(huì)效應(yīng)”里所提到的，人們可以在嘈雜的雞尾酒會(huì)上很準(zhǔn)確的捕捉到自己感興趣的聲音。但這對(duì)于計(jì)算機(jī)來(lái)講是十分困難的。對(duì)于這個(gè)問(wèn)題的研究很多學(xué)者提出了許多的方法。目前對(duì)于語(yǔ)音分離主要有盲源分離和基于場(chǎng)景分析兩類(lèi)方法。對(duì)于聽(tīng)覺(jué)場(chǎng)景分析的研究有兩種方法：聽(tīng)覺(jué)場(chǎng)景分析，計(jì)

2、算聽(tīng)覺(jué)場(chǎng)景分析。但是目前的語(yǔ)音分離算法還很難有效地模擬人耳的聽(tīng)覺(jué)系統(tǒng)。
　　本文是結(jié)合振蕩神經(jīng)網(wǎng)絡(luò)模型來(lái)實(shí)現(xiàn)混合語(yǔ)音分離，這個(gè)模型的核心是一個(gè)兩層的振蕩神經(jīng)網(wǎng)絡(luò)，在這個(gè)兩層的神經(jīng)網(wǎng)絡(luò)中，在振蕩相關(guān)的基礎(chǔ)上實(shí)現(xiàn)流分離。在這個(gè)振蕩相關(guān)的結(jié)構(gòu)里，第一層是分段層，將語(yǔ)音信號(hào)分成一系列的聽(tīng)覺(jué)元素，第二層是組合層，將源自于同一聲音源的聽(tīng)覺(jué)元素組合起來(lái)，是以形成兩個(gè)同步的振蕩塊的形式來(lái)表現(xiàn)的。在振蕩神經(jīng)網(wǎng)絡(luò)之前語(yǔ)音信號(hào)要經(jīng)過(guò)外圍聽(tīng)覺(jué)模型以及中級(jí)