基于学习字典的单声道混合语音信号提取

摘要

语音信号是人们获取信息的重要来源之一，对语音信号的研究主要包括语音信号提取、语音信号分离和语音信号识别等。其中如何从混合信号中准确地提取出目标源信号一直是语音信号处理领域的热点问题。语音信号的提取指的是在信号源未知的前提下，根据接收到的观测信号，只对其中一个或多个感兴趣的源信号进行恢复的过程。根据系统中接收到的观测信号的个数，该问题可分为多声道语音提取和单声道语音提取问题，但单声道语音提取问题的求解较为困难。
　　因此本文利用自然信号在其变换域上普遍存在稀疏性的这一特点，将解析稀疏表示模型应用到单声道混合语音信号的提取中。首先，利用待提取的语音信号作为字典学习的训练信号，并采用解析字典学习算法得到待提取语音信号的解析字典；然后，通过估计字典中与学习训练信号相互正交的字典子集，利用该字典子集与其他干扰信号的非正交的特点，提取出目标信号，实现单声道情况下的混合语音信号的提取。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究意义

1.2 课题的研究现状

1.3 本文主要内容和章节安排

第2章 语音信号提取算法

2.1 基于负熵最大的FastICA算法

2.2 矢量量化算法

2.3 本章小结

第3章 信号的解析稀疏表示

3.1 解析稀疏表示模型

3.2 解析字典学习算法

3.3 源信号估计算法

3.4 信号稀疏表示中的稀疏性度量

3.5 解析稀疏模型与综合稀疏模型的差异

3.6 本章小结

第4章 基于解析稀疏模型的单声道混合语音信号提取

4.1混合语音信号提取模型

4.2 算法复杂度分析

4.3 实验设计与说明

4.4 单声道混合信号提取

4.5 实验分析及待改进之处

4.6 经典方法提取实验

4.7 本章小结

第5章 总结与展望

5.1 本文工作总结

5.2 今后工作展望

致谢

参考文献