应用于语音增强的低秩和稀疏矩阵分解模型及算法设计

Speech enhancement technology is an effective way to address noise pollution problem. Because of the complexity of real-world noises, current speech enhancement methods are still imperfect under strong noise or multi-noise condition. Recent compressed sensing theory reveals that many observations can intrinsically express as a sumation of a low-rank component and a sparse component. With the aid of low-rank and sparse matrix (LS) decomposition, one can recover the original data information from observations corrupted by gross noises or outliers. But the existing LS decomposition method cannot be directly applied for speech enhancement due to lack of prior knowledge guidance. This project proposes new LS decomposition models and algorithms which are suitable for speech enhancement. Assuming that noise and speech time-frequency data matrix have low-rank and sparse structure, we impose speech and noise's prior knowledge constraints on the LS decomposition model to extract effective speech spectra. The proposed constrained LS decomposition based speech enhancement method is varied from traditional methods in the theoretical principle and working pattern. It has many advantages such as needless of voice activity detector for noise estimation, few parameters and easy adjustment. Moreover, it can obtain high performance in low-SNR condition and is capable of recover of speech corrupted by many kinds of noises. The research results are expect to make a breakthrough in speech enhancement technology and improve the development of signal processing theory and practical speech recognition technlogy, which will produce significant impacts both in academic and application areas.

语音增强技术是解决噪声污染的有效途径，但是由于真实环境的复杂性，强噪声和多噪声环境的语音增强仍然没有得到有效解决。近年的压缩感知理论揭示，许多实际观测量都可以归结为一个低秩分量和稀疏分量相加的模式，借助矩阵的低秩和稀疏分解(LS分解)理论，可以从噪声或异常值污染数据中恢复原始数据信息。然而由于缺乏先验信息的引导，现有的LS分解方法并不能直接解决语音增强问题。本项目提出研究适用于语音增强的LS分解模型和算法，假定噪声和语音的时频矩阵分别具有低秩和稀疏结构，通过引入噪声和语音的先验知识约束指导LS分解，以获取有效的语音频谱成分。基于约束LS分解原理的语音增强方法和传统方法在原理和工作方式上有极大不同，该方法具有对多种噪声适应性强、强噪声环境性能好、不需要进行端点检测、以及参数少易调节等优点，有望实现语音增强技术的突破。项目的研究将推动信号处理和应用语音识别的发展，具有重要的学术意义和实用价值。

语音增强旨在从含噪语音中尽可能恢复原始干净语音。近年的压缩感知理论揭示，许多实际的观测量都可以归结为一个低秩分量和稀疏分量相加的模式，借助矩阵的低秩和稀疏(LS)分解理论，可望从被污染数据中恢复原始数据信息。本课题主要研究如何将LS分解理论用于解决语音增强问题。课题组初步取得以下研究成果：(1)在时频域，传统的LS分解并不能直接用于语音增强，这是因为LS分解没有考虑到噪声的特性。本课题将噪声的低秩和语音的稀疏性先验知识引入到LS分解框架，提出了基于约束LS分解的语音增强方法，设计了有关的参数学习算法和模型优化算法。实验表明基于约束LS分解的语音增强方法在低信噪比下具有较好的性能； (2)在约束LS分解模型中，没有考虑到语音和噪声幅度谱的非负特性，使矩阵分解的结果不能很好反映频谱结构信息。课题组通过引入谱幅度的非负性，提出了基于非负约束低秩和稀疏矩阵分解的语音增强方法，进一步提高了语音增强性能；(3)LS算法没有考虑到语音的时间连续性，容易使生成的稀疏矩阵出现一些孤立的离散点。鉴于这一弊端，我们提出基于时间连续性约束LS分解的语音增强方法。在构建低秩和稀疏分解目标函数中引入语音的时间连续性约束，使分解的稀疏矩阵更符合语音频谱分布，实验表明该方法能够有效去除噪音，并且改善增强语音的听觉质量；(4)子空间语音增强方法是最经典的时域语音增强方法之一，该方法假设在时域语音具有低秩结构，噪声具有稀疏结构。但该方法容易受强噪声影响，在低信噪比的情况下会导致增强语音中有大量的残留噪声。本课题提出了联合低秩和稀疏矩阵分解的子空间语音增强算法, 将LS分解用于时域的语音增强。实验结果显示在多种强噪声环境下，所提语音增强方法比传统方法具有更少的残留噪声，而且语音失真度更低。研究结果表明，基于LS分解的语音增强方法具有对噪声适应性强、不需要进行端点检测、强噪声环境性能好、以及参数少易调节等优点，具有很好的研究价值和应用前景。

内容获取失败，请点击重试