语音特征波形的非负矩阵分解研究

《语音特征波形的非负矩阵分解研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要针对目前传统的特征波形(CharacteristicWavefo加，CW)分解方法很难在分解精度、计算复杂度、延时这三个指标上达到统一的缺点，本实验室已经有人提出利用非负矩阵分解(NonnegativeMatrixFactorization，NMF)，来分解Cw，并且产生了基于非负矩阵分解的波形内插(、№vefo啪InerpolationbasedonNonnegativeMatrixFactorization，NMF．WI)编码器，但是原NMF—wI模型存在收敛速度慢，基矩阵不够稀疏等缺点，模型还不够成熟，有一些待改进的地方。本文在此基础上针对NMF—WI语音编码模型和相位合成等关键技

2、术进行了深入的研究，提出了一系列改进算法，并最终提出了2kbps改进型NMF—wI语音编码方法。本文的改进主要体现为如下几方面：一、采用基于K—L散度的N~IF方法分解CW，与原方法相比，绝对误差下降了约l／3，计算复杂度也大大降低；二、提出了一种收敛速度更快的基矢量Mel刻度分带初始化方法，得到的基矩阵更稀疏，冗余度更低，与原方法相比，更符合语音的感知特性；三、为了降低计算复杂度，按照基音周期的统计分布将Cw分为6类，在绝对误差没有降低的情况下，平均收敛速度提高了30％；四、提出了两种分解阶数的计算方法，增强了原来实验方案的理论基础，得到了更加合理的分解阶数，降低了计算复杂度，而绝对误差没

3、有明显提高；五、提出了一种相位谱的混合自回归合成方法，将相位谱分解为随机相位和固定相位的加权和，与原NMF-wI模型采用固定相位合成的方法相比，有效改善了合成语音有很强蜂鸣声的缺点，提高了合成语音的自然度；六、开发出一套改进型2kb／sNM卜wI低复杂度语音编码方法，在Cw分解模块，复杂度下降了10MOPS，语音质量比原NMF—wI编码器高，与采用4bit散布矢量量化相位谱的2．16kb／sNMF—WI语音编码器的语音质量相当。关键词：语音处理；波形内插：特征波形；非负矩阵分解北京工业大学T学硕士学位论文AbstractThetraditionalcharacteristicwavef．o咖

4、(CW)decompositionisdi伍cultt0achievehighaccuracy，Iowcomplexi秒andlowdelay．Ourlaborato拶hasproposedaCWdecompozationmethodusingnon—negatiVematrixf如torization(NMF)，anddesignedawavefominterpoIation(WI)coderbasedonNMF．HoweVer，thiscoderhassomeshortcomings，suchasslowconVergence锄dIesssparsebasismatrix，whichis

5、notpeIrf．ectinthemodel，sotherearesomeaspectstobeimproVed．Basedonexistedresearchworks，thisthesisfocusesonkeytechniquesinWIcoderbaSedonNMF(NMF—WI)andphasesynthesis，andproposessomeimproVedalgorithms．Finally，animproVedNMF—W1withlow—complexityispresented．Themainresearchresultsareasf．0nows：1．NMFbasedonKu

6、llback-LeibIerdive唱encetodecomposeCWwasproposed，absoluteerrordecreasedbyabout1／3，computationalcomplexit)，is伊eatlyrcduced．2．Melscaleband—partitioninginitializationusedforbasisVectorSwasproposed，whichhasfasterconvergence．Thebasismatrixissparser，Iowerredundancy’whichaccordwiththeperceptrulpropertiesof

7、VoicecomparedwiththeoriginaImethod．3．TbreducecomputationalcompIexity，CWswereclassi6edintosixbasedonpitchdis仃ibution．ConVergencespeedisincreasedby30％，absoIuteen_orisnotincreased．4．Twonewmethodstocomputefacto