检索结果-南通市图书馆

检索条件"主题词=目标音素感知"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于混合特征感知的语音增强算法研究与实现

基于混合特征感知的语音增强算法研究与实现

引用

作者：何淇北京交通大学

学位级别：硕士

如何应对嘈杂陌生环境中的多源噪声干扰和未知多变的说话人语音一直是单通道语音增强算法面临的难题。传统算法由于存在先验模型失配而不能很好地应对智能语音交互的复杂多变场景;基于机器学习的语音增强算法虽然在处理突发噪声方面取... 详细信息

如何应对嘈杂陌生环境中的多源噪声干扰和未知多变的说话人语音一直是单通道语音增强算法面临的难题。传统算法由于存在先验模型失配而不能很好地应对智能语音交互的复杂多变场景;基于机器学习的语音增强算法虽然在处理突发噪声方面取得了显著的性能提升,但其高度依赖于训练集的完备和模型的规模,尚无法在小型智能语音设备中进行广泛应用。因此,为了解决以上瓶颈问题,本文提出基于混合特征感知的语音增强网络通用框架,高效提升现有算法的实时场景噪声抑制与个性化目标语音增强能力;并针对背景噪声鲁棒性、陌生场景快速训练和复杂多声源场景等恶劣情况进行了网络学习策略的设计与优化;最后进行了实时语音增强系统的模块化移植、软硬件实现与性能实测。具体的研究内容如下:(1)提出基于混合特征感知的通用语音增强网络架构,融合基于多头注意力的背景噪声特征感知模块和基于语音音素的目标特征感知模块,解决语音增强网络在处理陌生或突发噪声时出现的性能恶化问题。其中,背景噪声感知模块包括基于场景类的最优多维噪声特征基向量提取和基于多头注意力机制的背景噪声特征预测两部分;目标特征感知模块通过提取含噪信号中的人语音音素后验概率图,引入人语言表达的深层语义信息来进行个性化的目标特征提取;将这些多维感知特征进行自适应融合,并嵌入到任意单通道语音增强算法中,来有效提升语音增强的效果。实验证明,在陌生噪声场景中,本框架的语音质量和可懂度平均提升6.61%和2.10%,且主观实验结果证明了本框架能够提供更好的听觉体验。(2)针对复杂、陌生、多源的恶劣环境,完成语音增强网络学习策略的设计与优化,包括:基于混合对抗学习的背景噪声鲁棒性提升与参数优化、基于预训练与模型微调的陌生场景快速训练、基于课程学习的复杂多源场景训练策略。实验证明,本文提出的网络学习优化策略在陌生噪声场景中取得8.01%和2.88%的语音质量和可懂度提升,并有效减少了网络训练时间,提升了网络的复杂场景适应性。(3)基于Jetson AGX Xavier人工智能开发模块进行了语音增强系统的算法移植、软硬件实现和性能测试,进行了基于Tensor RT的系统实时性优化。实验证明,本文所实现的语音增强系统在没有过度增加网络规模的同时,显著提升了系统的处理速度(平均提升5.4倍),降低了语音增强系统的处理时延。本文成果为实现真正具有实际应用前景的小型实时语音增强系统提供了有力的理论依据、解决方案和实验支撑,可广泛应用于智能人机交互、智慧家庭与智慧城市、智慧监控和智能交通等领域,具有较好的学术和经济意义。

关键词：语音增强混合特征感知背景噪声感知目标音素感知混合对抗学习基于梅尔尺度的目标重建损失函数课程学习策略

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：