低信噪比下二值掩蔽算法性能分析_蒋毅.pdf

《低信噪比下二值掩蔽算法性能分析_蒋毅.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ＩＳＳＮ１０００－００５４清华大学学报（自然科学版）２０１２年第５２卷第５期１２／２６ＣＮ１１－２２２３／ＮＪＴｓｉｎｇｈｕａＵｎｉｖ（Ｓｃｉ＆Ｔｅｃｈ），２０１２，Ｖｏｌ．５２，Ｎｏ．５６３６－６４１低信噪比下二值掩蔽算法性能分析蒋毅１，２，梁维谦１，周宏２，冯振明１（１．清华大学电子工程系，北京１０００８４；２．总后勤部军需装备研究所，北京１０００８２）摘要：基于计算听觉场景分析，对基于能量的二值掩蔽语通常，人耳可以在各种复杂的噪声环境下，高效音分离算法的性能进行分析，证明了理想二值掩蔽算法在信捕捉所需的语音信号，研究表明人耳在生理学上具噪比下具有最佳的单元分离性能，并通过３种类型带噪语音

2、有时频分解特性及掩蔽特性。基于该发现，近年来的分离实验证实了该结论。采用理想二值掩蔽算法对８种计算机听觉场景分析（ｃｏｍｐｕｔａｔｉｏｎａｌａｕｄｉｔｏｒｙｓｃｅｎｅ噪声类型的低信噪比带噪语音进行了分离实验，信噪比平均［１－２］ａｎａｌｙｓｉｓ，ＣＡＳＡ）技术在鲁棒的语音分离、增强提升幅度大于１０ｄＢ，表明算法对低信噪比语音分离的有效与识别方面取得了很大进展。在广泛讨论的ＣＡＳＡ性和普遍适用性；采用非均匀、均匀两种多子带分析滤波器系统中，二值掩蔽（ｂｉｎａｒｙｍａｓｋｓ，ＢＭ）算法特别是组进行分离性能对比测试，结果表明子带均匀性对信噪比提基于能量的理想二值掩蔽（ｉｄｅａｌｂｉｎａｒｙｍａｓｋｓ

3、，升影响不大。分析滤波器组的子带数量应大于３２以实现较［３－４］ＩＢＭ）是其中重要的内容。好的分离性能。［５－６］［７－９］ＣＡＳＡ相关研究分别从信噪比、可懂度关键词：语音分离；听觉场景分析；理想二值掩蔽；［１０－１２］及其对自动语音识别性能的提升等不同角度ｇａｍｍａｔｏｎｅ滤波器组对ＢＭ优化算法的实际效果进行分析，对算法的性中图分类号：ＴＮ９１２．３５文献标志码：Ａ能进行测试并与现有的语音分离算法的性能进行了文章编号：１０００－００５４（２０１２）０５－０６３６－０６对比。但对于ＩＢＭ算法在信噪比提升方面的理论分析并不完善，算法对不同类型噪声特别是低信噪比条件分离效果讨论还不全面，而坦克舱、

4、机舱、舰Ｐｅｒｆｏｒｍａｎｃｅｏｆｂｉｎａｒｙｔｉｍｅ－ｆｒｅｑｕｅｎｃｙｍａｓｋｓ舱等强噪声环境下的语音分离与增强一直是应用研ｉｎｌｏｗｓｉｇｎａｌｔｏｎｏｉｓｅｒａｔｉｏｅｎｖｉｒｏｎｍｅｎｔｓ究的重要方向。同时，前端语音分析滤波器组的频ＪＩＡＮＧＹｉ１，２，ＬＩＡＮＧＷｅｉｑｉａｎ１，ＺＨＯＵＨｏｎｇ２，ＦＥＮＧＺｈｅｎｍｉｎｇ１率子带的均匀性、子带数量对算法分离性能影响尚（１．ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，未被探讨。Ｂｅｉｊｉｎｇ１０００８４，Ｃｈｉｎａ；综合以上分析，本文对低信噪比条件下基于能２．Ｑｕａｒｔｅ

5、ｒｍａｓｔｅｒＥｑｕｉｐｍｅｎｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，ＧｅｎｅｒａｌＬｏｇｉｓｔｉｃｓＤｅｐａｒｔｍｅｎｔ，Ｂｅｉｊｉｎｇ１０００８２，Ｃｈｉｎａ）量的二值掩蔽算法性能进行分析，测试了不同分离Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｃｏｍｐｕｔａｔｉｏｎａｌａｕｄｉｔｏｒｙｓｃｅｎｅａｎａｌｙｓｉｓ（ＣＡＳＡ）阈值及不同噪声类型对ＢＭ算法性能的影响，证明ｓｙｓｔｅｍ，ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｂｉｎａｒｙｍａｓｋｓａｌｇｏｒｉｔｈｍｄｅｐｅｎｄｓｏｎ了理想二值掩蔽算法结果在信噪比条件下的最优ｔｈｅｓｏｕｎｄｅｎｅｒｇｙｗｈｉｃｈｉｓｌｉｍｉｔｅｄｆｏｒｌｏｗｓｉｇｎａｌｔｏｎｏｉ

6、ｓｅｒａｔｉｏ（ＳＮＲ）性，对多子带分析滤波器组参数选择对ＩＢＭ性能的ｃｏｎｄｉｔｉｏｎｓ．Ｔｈｅｉｄｅａｌｂｉｎａｒｙｍａｓｋｓａｌｇｏｒｉｔｈｍｉｓｓｈｏｗｎｔｏｈａｖｅｔｈｅ影响进行了测试。ｂｅｓｔＳＮＲｐｅｒｆｏｒｍａｎｃｅｏｆａｌｌｂｉｎａｒｙｍａｓｋｓｂａｓｅｄｏｎｔｈｅＴ－Ｆｕｎｉｔｓ．ＡｍｉｘｅｄｓｐｅｅｃｈｄａｔａｂａｓｅｗａｓｓｅｔｕｐｗｉｔｈｅｉｇｈｔｋｉｎｄｓｏｆｎｏｉｓｅｗｉｔｈＳＮＲ１二值掩蔽算法原理与性能分析ｏｆ－１５，－１０，－５ａｎｄ０ｄＢ．Ｓｐｅｅｃｈｓｅｇｒｅｇａｔｉｏｎｂａｓｅｄｔｈｅｉｄｅａｌｂｉｎａｒｙｍａｓｋｓａｌｇｏｒｉｔｈｍｉｍｐｒｏｖｅｄｔｈ

7、ｅａｖｅｒａｇｅＳＮＲｂｙｍｏｒｅｔｈａｎ１０二值掩蔽算法采用ＣＡＳＡ技术框架，对带噪语ｄＢｉｎｄｉｃａｔｉｎｇｖｅｒｙｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｉｎｎｏｉｓｙｃｏｎｄｉｔｉｏｎｓ．Ｔｈｅ音的分离流程包括语音分解和语音组合两个主要过ｅｖｅｎｎｅｓｓｏｆｔｈｅｆｉｌｔｅｒｂａｎｋｓｈａｄｌｉｔｔｌｅｅｆｆｅｃｔｏｎｔｈｅｂｉｎａｒｙｍａｓｋｓ．［１３］程，如图１所示。语音分解处理时将混合语音信Ｔ