检索结果-内蒙古大学图书馆

信号处理 2025年第4期41卷 706-717页

作者：余传旗郭海燕王婷婷王景润杨震南京邮电大学通信与信息工程学院江苏南京210003 南京邮电大学通信与网络技术国家地方联合工程研究中心江苏南京210003

语音分离旨在从包含多个说话人的混合语音中分离出各个源语音,是多说话人场景下语音处理类任务的重要前端。目前,基于深度学习的语音分离取得了显著进展,但随着模型性能的不断提升的同时,模型的参数量和推理时间也显著增加。针对此问题... 详细信息

语音分离旨在从包含多个说话人的混合语音中分离出各个源语音,是多说话人场景下语音处理类任务的重要前端。目前,基于深度学习的语音分离取得了显著进展,但随着模型性能的不断提升的同时,模型的参数量和推理时间也显著增加。针对此问题,本文综合考虑模型效率与分离性能,提出一种基于图注意力网络(Graph Attention Network,GAT)和门控网络(Gated Network,GN)的轻量级语音分离模型(称为GGN-Papez)。该方法基于轻量级、高效的基线模型Papez,引入GAT处理听觉记忆块内存储的全局信息,并使用GN生成掩码,来提升基线模型Papez的性能。具体地,假定所有记忆令牌之间均存在连接,利用GAT计算令牌间的注意力得分,并采用阈值过滤策略裁剪掉得分较低的边,生成新的邻接矩阵。再利用此邻接矩阵聚合记忆令牌所存储的全局信息,以提取出更有效的上下文信息,提高模型对全局特征的理解能力。在此基础上,考虑到Papez使用的掩码生成模块为表达能力有限的双层全连接前馈神经网络,本文提出使用具备更强特征选择能力的GN替代原有模块,以生成更符合源语音特征的掩码。所提模型GGN-Papez在基准数据集WSJ0-2Mix和Libri2Mix上进行了实验,实验结果表明所提方法在增加很少参数量的情况下,显著提升了分离语音的尺度不变信噪比(Scale Invariant Signal-to-Noise Ratio,SI-SNR)。此外,本文还设计了消融实验验证GAT和GN对整体模型性能的影响,并从推理时间和语音质量感知评估(Perceptual Evaluation of Speech Quality,PESQ)得分等方面综合地对所提模型的性能进行了分析。

关键词：语音分离轻量级模型图神经网络图注意力网络门控机制

来源：评论

学校读者我要写书评

暂无评论

基于听觉调制孪生网络的单通道语音分离模型

引用

计算机应用 2025年

作者：宋源陈锌李亚荣李永伟刘扬赵振青岛科技大学信息科学技术学院中国科学院自动化研究所模式识别国家重点实验室

为解决基于语谱图特征输入的单通道语音分离方法存在的不同说话人时频点重叠导致分离效果欠佳的问题，提出一种基于听觉调制孪生网络的单通道语音分离模型。首先，通过频带划分和包络检波计算调制信号，进而利用傅里叶变换提取调制幅度... 详细信息

为解决基于语谱图特征输入的单通道语音分离方法存在的不同说话人时频点重叠导致分离效果欠佳的问题，提出一种基于听觉调制孪生网络的单通道语音分离模型。首先，通过频带划分和包络检波计算调制信号，进而利用傅里叶变换提取调制幅度谱；其次，基于突变点检测和匹配的方法获取调制幅度谱特征与语音片段之间的映射关系，实现语音片段的有效划分；随后，设计基于协同注意力机制的孪生网络提取不同说话人语音片段的鉴别性特征；之后，提出基于领域影响机制的自组织映射网络(N-SOM)，通过划定动态邻域范围，实现了无需预先指定说话人数量的特征聚类，以获得不同说话人的掩膜矩阵；最后，为了避免在调制域重构信号产生伪影，设计时域滤波器将调制域掩膜转换为时域掩膜并结合相位信息重构语音信号。实验结果表明，所提模型在WSJ0-2mix和WSJ0-3mix数据集上的语音质量感知评价(PESQ)、信号失真比改进(SDRi)和尺度不变信号失真比改进(SI-SDRi)均优于双密度双树复小波变换(DDDTCWT)方法。

关键词：语音分离调制机制孪生网络协同注意力机制自组织映射神经网络

来源：评论

学校读者我要写书评

暂无评论

基于小波去噪与语音分离的同声传译系统设计

引用

自动化与仪器仪表 2025年第1期 300-303,308页

作者：王萌咸阳师范学院陕西咸阳712000

同声传译作为一项涉及语言翻译和语音识别的复杂任务,被英语翻译行业广泛应用。但该模型在实现过程中面临着实时性差、翻译准确率不高和难以处理文化差异和特定领域知识等缺陷。因此研究尝试基于语音分离技术来实现同声传译模型,并基于... 详细信息

同声传译作为一项涉及语言翻译和语音识别的复杂任务,被英语翻译行业广泛应用。但该模型在实现过程中面临着实时性差、翻译准确率不高和难以处理文化差异和特定领域知识等缺陷。因此研究尝试基于语音分离技术来实现同声传译模型,并基于深度学习算法提高模型的翻译准确率。同时研究引入小波去噪算法对原始信号进行去噪处理,使模型能更准确地提取语义,提高模型翻译的准确率。实验结果表明,提出基于小波去噪与语音分离的同声传译模型在中英文数据集上的翻译时延分别为0.29 s和0.32 s,因此该模型具有较好的实时翻译能力,同时提出模型英译中的平均准确率为88.96%;中译英的平均准确率为90.47%,均高于对照模型的翻译准确率,因此证明提出模型具有一定先进性。

关键词：小波去噪语音分离同声传译系统深度学习

来源：评论

学校读者我要写书评

暂无评论

基于Tas Net语音分离的教学系统人机交互方法

引用

自动化与仪器仪表 2025年第04期 150-154页

作者：何勃毅刘广良西安明德理工学院西安华为云计算技术有限公司

为了解决噪音下英语教学人机交互系统识别困难问题，研究提出一种智能化语音分离方法。研究采用时域音频分离网络进行语音分离建模，同时引入卷积网络与注意力机制改进模型。在训练损失对比中，研究模型在自制数据下损失为0.151 5,低于... 详细信息

为了解决噪音下英语教学人机交互系统识别困难问题，研究提出一种智能化语音分离方法。研究采用时域音频分离网络进行语音分离建模，同时引入卷积网络与注意力机制改进模型。在训练损失对比中，研究模型在自制数据下损失为0.151 5,低于同类模型。在语音分离图谱中，研究模型声音图谱更接近原始值，纯净度更高。在语音分离准确度测试中，研究模型平均分离准确度为96.25%,表现最好。同时在3种语音场景测试中，研究模型语音质量感知评估为3.78,语音分离质量最高。可见，研究模型具有良好应用效果。研究内容将为语音分离技术的改进提供技术支持。

关键词： Tas Net 语音分离英语卷积网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于波束形成的长短时记忆网络语音分离算法研究

引用

电子与信息学报 2022年第7期44卷 2531-2538页

作者：兰朝凤刘岩赵宏运刘春东哈尔滨理工大学测控技术与通信工程学院哈尔滨150080

在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不... 详细信息

在利用深度学习方式进行语音分离的领域,常用卷积神经网络(RNN)循环神经网络进行语音分离,但是该网络模型在分离过程中存在梯度下降问题,分离结果不理想。针对该问题,该文利用长短时记忆网络(LSTM)进行信号分离探索,弥补了RNN网络的不足。多路人声信号分离较为复杂,现阶段所使用的分离方式多是基于频谱映射方式,没有有效利用语音信号空间信息。针对此问题,该文结合波束形成算法和LSTM网络提出了一种波束形成LSTM算法,在TIMIT语音库中随机选取3个说话人的声音文件,利用超指向波束形成算法得到3个不同方向上的波束,提取每一波束中频谱幅度特征,并构建神经网络预测掩蔽值,得到待分离语音信号频谱并重构时域信号,进而实现语音分离。该算法充分利用了语音信号空间特征和信号频域特征。通过实验验证了不同方向语音分离效果,在60°方向该算法与IBM-LSTM网络相比,客观语音质量评估(PESQ)提高了0.59,短时客观可懂(STOI)指标提高了0.06,信噪比(SNR)提高了1.13 dB,另外两个方向上,实验结果同样证明了该算法较IBM-LSTM算法和RNN算法具有更好的分离性能。

关键词：语音分离超指向波束形成长短时记忆网络算法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习语音分离技术的研究现状与进展

引用

自动化学报 2016年第6期42卷 819-833页

作者：刘文举聂帅梁山张学良中国科学院自动化研究所模式识别国家重点实验室北京100190 内蒙古大学计算机系呼和浩特010021

现阶段,语音交互技术日益在现实生活中得到广泛的应用,然而,由于干扰的存在,现实环境中的语音交互技术远没有达到令人满意的程度.针对加性噪音的语音分离技术是提高语音交互性能的有效途径,几十年来,全世界范围内的许多研究者为此投入... 详细信息

现阶段,语音交互技术日益在现实生活中得到广泛的应用,然而,由于干扰的存在,现实环境中的语音交互技术远没有达到令人满意的程度.针对加性噪音的语音分离技术是提高语音交互性能的有效途径,几十年来,全世界范围内的许多研究者为此投入了巨大的努力,提出了很多实用的方法.特别是近年来,由于深度学习研究的兴起,基于深度学习的语音分离技术日益得到了广泛关注和重视,显露出了相当光明的应用前景,逐渐成为语音分离中一个新的研究趋势.目前已有很多基于深度学习的语音分离方法被提出,但是,对于深度学习语音分离技术一直以来都缺乏一个系统的分析和总结,不同方法之间的联系和区分也很少被研究.针对这个问题,本文试图对语音分离的主要流程和整体框架进行细致的分析和总结,从特征、模型以及目标三个方面对现有的前沿研究进展进行全面而深入的综述,最后对语音分离技术进行展望.

关键词：神经网络语音分离计算听觉场景分析机器学习

来源：评论

学校读者我要写书评

暂无评论

基于基频状态和帧间相关性的单通道语音分离算法

引用

东南大学学报（自然科学版） 2014年第6期44卷 1099-1104页

作者：郭海燕李枭雄李拟珺周琳吴镇扬东南大学信息科学与工程学院南京210096 南京农业大学工学院南京210031

提出一种基于基频状态和帧间相关性的单通道混合语音分离算法.首先,从混合语音中提取2个源语音的基频进行状态编码,基于编码的基频状态构造自适应字典,并通过引入基频信息在字典层面对各源语音信号进行区分.然后,采用频繁模式挖掘算法,... 详细信息

提出一种基于基频状态和帧间相关性的单通道混合语音分离算法.首先,从混合语音中提取2个源语音的基频进行状态编码,基于编码的基频状态构造自适应字典,并通过引入基频信息在字典层面对各源语音信号进行区分.然后,采用频繁模式挖掘算法,提取基频状态为1时字典的频繁1项子集,缩减字典尺寸.最后,以基于正交匹配追踪的分离语音为基础,检测分离效果差的混合语音帧,搜索与其相关度最高的平移后的邻近分离语音帧进行叠加,并采用软掩蔽方法进行第二次分离校正.仿真实验结果表明,该算法获取的分离语音信噪比优于现有的2种经典语音分离算法,并且该算法采用频繁模式挖掘算法大大减小了运算量.

关键词：语音分离稀疏分解正交匹配追踪基频数据挖掘

来源：评论

学校读者我要写书评

暂无评论

智能麦克风阵列语音分离和说话人跟踪技术研究

引用

电子学报 2005年第2期33卷 382-384页

作者：杜江朱柯电子科技大学通信学院四川成都610054 韩国三星电子数字媒体技术研究所

本文介绍一种新的基于麦克风阵列的语音分离和说话人跟踪技术 .该技术使用麦克风阵列 ,形成一个指向感兴趣说话人的波束来增强信号 ,并通过方向置零来抑制其他说话人的声音和噪声 ,同时用自适应算法跟踪说话人的方位变化 .仿真验证了该... 详细信息

本文介绍一种新的基于麦克风阵列的语音分离和说话人跟踪技术 .该技术使用麦克风阵列 ,形成一个指向感兴趣说话人的波束来增强信号 ,并通过方向置零来抑制其他说话人的声音和噪声 ,同时用自适应算法跟踪说话人的方位变化 .仿真验证了该技术的有效性 .与常规的自适应算法相比 ,该算法不需训练序列 ,具有显著的优势 .

关键词：麦克风阵列语音分离说话人跟踪波束形成

来源：评论

学校读者我要写书评

暂无评论

一种采用振荡器神经网络的CASA计算模型语音分离算法

引用

上海交通大学学报 2001年第11期35卷 1640-1644页

作者：胡光锐虞晓茅晓泉上海交通大学电子工程系上海200052

基于听觉现象分析 (CASA)模型的基本原理 ,在仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA改进模型语音分离算法结构 .文中利用一个实例说明了新算法的具体实现步骤 .讨论了新算法机构中语音听觉外围处理部分和... 详细信息

基于听觉现象分析 (CASA)模型的基本原理 ,在仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA改进模型语音分离算法结构 .文中利用一个实例说明了新算法的具体实现步骤 .讨论了新算法机构中语音听觉外围处理部分和分割神经网络处理部分 .通过上述两个部分的处理可以将输入混合语音信号在时频域上分割为若干有听觉感知意义的语音听觉感知成分分段 Segments,以便于新算法后续处理部分中语音 Segments的聚类和分离重构输出处理 ,最终完成语音分离任务 .

关键词：语音分离听觉现象分析振荡器神经网络听觉感知成分分段 CASA模型语音识别

来源：评论

学校读者我要写书评

暂无评论

基于深度学习特征融合和联合约束的单通道语音分离方法

引用

电子与信息学报 2022年第9期44卷 3266-3276页

作者：孙林慧王灿梁文清李平安南京邮电大学通信与信息工程学院南京210003

为了提高单通道语音分离性能,该文提出基于深度学习特征融合和联合约束的单通道语音分离方法。传统基于深度学习的分离算法的损失函数只考虑了预测值和真实值的误差,这使得分离后的语音与纯净语音之间误差较大。该文提出一种新的联合约... 详细信息

为了提高单通道语音分离性能,该文提出基于深度学习特征融合和联合约束的单通道语音分离方法。传统基于深度学习的分离算法的损失函数只考虑了预测值和真实值的误差,这使得分离后的语音与纯净语音之间误差较大。该文提出一种新的联合约束损失函数,该损失函数不仅约束了理想比值掩蔽的预测值和真实值的误差,还惩罚了相应幅度谱的误差。另外,为了充分利用多种特征的互补性,提出一种含特征融合层的卷积神经网络(CNN)结构。利用该CNN提取多通道输入特征的深度特征,并在融合层中将深度特征与声学特征融合用来训练分离模型。由于融合构成的特征含有丰富的语音信息,具有强的语音信号表征能力,使得分离模型预测的掩蔽更加准确。实验结果表明,从信号失真比(SDR)、主观语音质量评估(PESQ)和短时客观可懂度(STOI)3个方面评价,相比其他优秀的基于深度学习的语音分离方法,该方法能够更有效地分离目标语音。

关键词：语音分离联合约束特征融合损失函数卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：