一种基于模糊隶属函数的语音分离方法技术

本发明专利技术提供一种基于模糊隶属函数的语音分离方法，属于语音分离方法。该方法结合模糊隶属函数，得到语音时频单元对目标信号隶属程度的更准确定义，并模拟人耳听觉系统建立听觉振荡模型，提取语音基音特征，根据基音周期特征对语音时频单元进行标记，组成前景流和背景流。根据标记的不同判断对应的时频单元为目标或是噪声，在合成阶段目标单元乘以高权重，噪声单元则乘以低权重，得到重新合成语音。本发明专利技术可以更精准的估计出基音周期，基于此特征线索，对时频单元做出更准确的标记，得到更完整的目标语音。由于该方法基于语音的基音特征，因此在复杂非平稳噪声下有较好的分离效果，应用范围广泛。

【技术实现步骤摘要】

【技术保护点】
一种基于模糊隶属函数的语音分离方法，其特征在于，包括下列步骤：（一）语音信号的预处理，包括语音信号的端点检测、预加重；（二）听觉特征提取过程如下：（1）将预处理后得到的信号经过模拟耳蜗的伽马通滤波器处理；1）伽马通滤波器的时域响应为gc(t)＝ti?1exp(?2πbct)cos(2πfc+φc)U(t)(1≤c≤N)其中，N是滤波器的个数，c是滤波器的序数，按频率高低在[1,N]范围内取值，i是滤波器的阶数，U(t)是单位阶跃函数，t是时间，φc表示第c个滤波器的相位，fc是滤波器的中心频率，每个滤波器的带宽与人耳的临界频带有关，听觉心理学中的临界频带可以用等效矩形带宽来度量EBR(f)＝24.7*(4.37f/1000+1)f为频率，bc取值为bc＝1.019EBR(fc)2）对gc(t)进行拉普拉斯变换，得到Gc(s)=∫-∞∞gc(t)e-stdt=12∫0∞ti-1e-2πbct[ej2πfct+e-j2πfct]e-stdts是拉式变换复变量，j为虚数单位；3）为简化公式，令参数等效带宽b＝2πbc,等效频率ω＝2πfc，得到伽马通滤波器冲激响应的拉氏变换Gc(s)Gc(s)=12[3!(s+b-jω)i+3!(s+b+jω)i]4）将Gc(s)转换为Z变换Gc(z)形式，再反变换得到伽马通滤波器的离散冲激响应gc(n)，gc(n)=12πj∫Gc(z)zn-1dzn为信号数字域时间，Z为Z变换变量；5）将语音信号与gc(n)卷积后得到伽马通滤波器的滤波输出h(c,n)；6）对h(c,n)进行响度变换，得到听觉特征GF(c,n)；GF(c,n)=h(c,n)3（三）对伽马通滤波器的滤波输出h(c,n)采用中级听觉形式表示；（1）自相关图谱A(c,m,τ)，在时间帧m上，第c个通道在延时为τ的自相关A(c,m,τ)为A(c,m,τ)=1NcΣn=0Nc-1h(c,mT-n)h(c,mT-n-τ)其中，h是听觉外周模型的输出，T是帧间距离，对应于10ms，Nc为自相关对应窗长的点数，其中窗长取帧长度20ms和4/fc之间的较大值，fc为伽马通滤波器对应通道的中心频率，延迟τ的取值范围是[0，12.5ms]，对应于伽马通滤波器的中心频率；（2）互相关图谱为其中，为A(c,m,τ)的归一化函数，L对应于最大时延12.5ms，互相关图谱表明两个是否属于同一声源；（3）和相关图谱用于强化周期性的信号在频段上A(c,m,τ)与基音相关的结构，在时间帧m和延迟τ上的和相关图谱为s(m,τ)=ΣcA(c,m,τ)（4）在时间帧m，第c个通道在延时为τ的包络自相关图谱为AE(c,m,τ)为AE(c,m,τ)=1NcΣn=0Nc-1hE(c,mT-n)hE(c,mT-n-τ)其中，h(c,n)即为h(c,n)的包络，具体计算过程如下：1）对h(c,n)进行半波整流；2）利用带通滤波器滤除直流成分和基频成分以外所有的谐波。对于每五帧用参数相同的滤波器，通带为止带为和其中是这五帧估计的基频的平均值，滤波器中使用kaiser窗函数；3）对滤波输出的信号r(c,n)进行希尔伯特变换，得到h(c,n)的包络hE(c,n)；（5）包络互相关图谱计算公式为其中，为AE(c,m,τ)归一化自相关函数，CE(c,m)可以体现两个相邻频段AM速率的相似度；（四）低频区分离具体过程如下：（1）利用A(c,m,τ)计算s(m,τ)，s(m,τ)在时间帧m上最大值(在τ∈[2ms,12.5ms]条件下)所对应的时延τD(m)即为此时间帧的主基音周期；（2）选择A(c,m,0)＞θA.^2和C(c,m)＞θc的T?F单元，标记值为1，θA为能量阈值，θc为互相关阈值，将相邻单元：相同频段上相邻的单元，或者相同时间帧上的相邻的单元组合成段，根据时间连续性原则，去掉持续时间小于50ms的分段；（3）时频单元隶属于目标语音的隶属度函数为U(A,Ratio,τs(m))，隶属值计算公式为：其中：Ratio=A(c,m,τS(m))A(c,m,τP(c,m))diff(τs(m),τs(m+q))=|τS(m)-τS(m+q)|min(τS(m),τS(m+q))τmin＝min(τS(m),τS...

【技术特征摘要】

【专利技术属性】
技术研发人员：林琳，徐鹤，孙晓颖，陈健，胡封晔，魏晓丽，
申请(专利权)人：吉林大学，
类型：发明
国别省市：