基于低秩矩阵与稀疏矩阵分解的语音增强方法

摘要

语音通话过程中不可避免受到各种环境噪声的影响,严重影响了语音技术的实际应用。语音增强技术是解决噪声污染的有效途径,但是由于真实环境的复杂性,强噪声和多噪声环境的语音增强仍然没有得到有效解决。在鲁棒主成分分析中(简称RPCA),许多实际的观测量都可以归结为一个低秩分量和稀疏分量相加的模式,借助矩阵的低秩和稀疏分解理论,可以从大噪声或异常值污染数据中恢复原始数据信息。本课题从噪声的低秩本质和语音的稀疏特性出发,并对参数进行约束,提出研究基于低秩与稀疏矩阵分解的语音增强方法,该方法假设噪声时频矩阵具有低秩结构,语音时频矩阵具有稀疏结构,对含噪语音时频矩阵进行正确分解,进而获取有效的语音频谱成分。在本文中,我们提出一个有效的优化算法来解决稀疏矩阵与低质矩阵的分离问题,使得含噪语音的语音增强效果更加明显。实验结果表明,该方法的语音增强方法在相比于其他的语音增强方法中,具有更好的增强效果。
　　基于低秩与稀疏矩阵分解的语音增强方法是一种崭新的语音增强方法,和传统方法在原理和工作方式上有极大不同,该方法具有对各种噪声适应性强、不需要进行端点检测、强噪声环境性能好、以及参数少易调节等优点,有望实现语音增强技术的突破。论文的研究将推动信号处理理论及应用语音技术的发展,具有很高的研究意义和实用价值。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 概述

1.2 国内外研究现状

1.3 语音增强的理论特性

1.4 语音增强算法的性能评估

1.5 研究意义

1.6 本文的主要内容安排

第2章 语音增强概述

2.1 时域方法

2.2 频域方法

2.3 本章小结

第3章 基于RPCA的语音增强方法

3.1 RPCA的相关理论

3.2 基于RPCA的语音增强方法

3.3 本章实验

3.3 本章小结

第4章 基于约束的低质矩阵与稀疏矩阵分解的语音增强

4.1 基于约束的低质矩阵与稀疏矩阵分解的语音增强方法

4.2 约束的低质矩阵与稀疏矩阵估计算法设计

4.3 本章实验

4.4 本章小结

第5章 总结与展望

参考文献

攻读硕士学位期间论文发表情况

致谢