基于时频稀疏性的混叠语音分离及失真对策(续完)

得到各个 时频单元 的空 间特征 ， 以用 白噪声 作为模 可
型训练用信 号 。
（ ）只需要分 离一方位未知 的 目标语音 ， 源 ２ 干扰 方位 固定 （ Ｂ Ｓ Ｓ Ｓ１问题 ） 。例 如干扰 源来 自固定 方
（ ＝ ， ｌ ｐ ｔ ｛ ， ：
【 ， 其 他 ０
： ｛ ” （） ｐ ‘ １ ７
付 中 华 ， 亚 丽 赵 （ 北工业大学 西 计 算 机 学 院 ， 西 西安 陕 ７０７ ） １０ ２
・文 论・
４ ２ 聚 类分 析和分 离 方法 ．
ｂ） Ｊ 卜１ 训 （ｔ） ＝ ）乏 （ ｌ Ｄ ～ － ０（ （ ｏ￣ ）
（９ １）
有 了空 间 特 征 ， 下 来 是 如 何 聚 类 和 分 类 问 接
■膏＆ 一
－Ｋ ｏ ｇ＃ “ ・ ｒ ａ ｉ ‘ ｉｇ
语 音 技 术 凹 ＠ ＠６ ＠ ＠＠ ＠０ Ｕ 啼闶 ⑨
文章 编 号 ：０ ２ ８８ ２ １ ） ６ ０ ４－ ５ １０ － ６４（０２ ０ － ０ ７ ０
基于 时频稀疏 性 的混 叠语音 分 离 及 失真 对策 （ 完 ） 续
况， 目的是作 为其 他 隋况分离效 果的一个参 照。 此先让各个声 源单独发声 ， 两只传声器观 测到 的 根据 混合信号 ， 式 （５ 对 应 的特征矢 量集 合 ， 后用 计算 １） 然
期 望最大 化 （ ｘ ｅｔ ｉ ｅｐｃａ ｏ ｔ ｎ—ｍ ｘｍ ｚｔ ｎ Ｅ 算 法 ＿ ａｉ ｉ ｉ ， Ｍ） ａｏ ６ 可 以迭代 得 到该 声 源 对 应 的 Ｇ ＭＭ 模 型参 数 。为 了
以下 ０（ 简 记为 ０。根 据 贝 叶斯 理论 ， 验 ｔ 后 概率 与 Ｇ Ｍ 条件概率 的关系如下 Ｍ
ｐ ｌ ＝ Ｄ） （６ １）
式 中 ，（ 为先 验概 率 ， Ｐ Ａ） 即每 个声 源 出现概 率 ， 果 如 无法用其他 方法获得其信 息 ， 则一般假定 所有声 源 以 同等 概率 出现 。 由此 ， 以将 式 （４ 的最 大后 验 概 可 １） 率分类方 法转换成 条件概率分类 ， 即
发声 ， 因此只有从混叠信号 中对其模型进行估计 。 基于稀疏性假设 ， 在混叠信号的所 有时频单元 中， 仍有一部分保持原来 的分 布 ， 而另外 那些 目标 声源绝 对 占优 的时频单元则变成 目标 声源的特征分布。因此
ｓ（） … ， 一 （ ） 自空 间 特 征 对 应 的 Ｇ ｔ ， ｓ 各 ＭＭ 分 别 为 Ａ ， １… ，Ⅳ１其 中 Ａ ０Ａ ， Ａ 一 ， ＝｛ ｘ ， ） ｉ ， ， Ｐ ， ／ ， ＝０ …
这里有 几个关键 问题 ： 源数量和方位是 否 已知 ？声 声
源数 量或方位是 否 随时 间变 化？是 否需 要分 离 所有
Ｎ一 。其 中Ｐ 为高斯分量 的权重 ， 为高斯分量 １ 的均值 矢量 ， 为高斯 分 量 的协方 差 矩 阵 。为 了方
便 计算 ， 常采用 对角 协方 差矩 阵 的 Ｇ 通 ＭＭ。每 个声
源对 应 的二元 时 频掩 膜 Ｍ Ａ， ） 可 根据 最 大后 （ ｋ就
声 源？这些 问题 随着不 同的应用 ， 着不 同的解 决方 有 案 。最复杂 的问题 就是所有声源 数量方位都不 知道 ， 且 可能随时 间变化 ， 这种情况下分 离所有声源信 号就 是 经典 的 Ｂ Ｓ问题 ， 文献 ［４—１ ］ Ｓ 如 １ ５ 。在 实 际应 用 中， 常常有一些先 验信息可 以利用 ， 问题变 成 Ｓ Ｓ 使 ＢＳ
叠信 号分布会发 生改 变 。无法 控 制让 目标 声源单 独
总假定每个 时频单元仅有 单个声源能量绝对 占优 ， 这
仅是大概率事件而 已 ， 别是当干扰声并非稀 疏信号 特 时， 如风声 、 车噪等 ， 目标失真将 进一步加重 。
下 面考虑两种应用 中的失 真对策问题 ： （ ）语 音增强或噪声抑制应 用 １
问题 。笔者考 虑如下三种情况 的模型训练 ：
验概 率方法 进行 估计
（
ｔ ＝【 ， ｛ ０ 其他 ，
＾
ｆ （ Ｄ∽ ） 。 （ （ ） ，ｐ九Ｉ（ ＝ ｎｘ Ａｉ ｝ ｉ ｑ ： ｏ
（４ １）
（ ）非 盲 源 分 离 （ ｎ—ＢｉｄＳｕｃ ｅａ ｔｎ １ Ｕ ｌ ｏｒ Ｓｐｒ ｉ ， ｎ ｅ ａｏ
初始 化 时只有 干扰 信号 ， 目标声 源并 未 出现 ， 于是 可 以采用 Ｅ Ｍ算 法估计干扰 源 Ｇ Ｍ 模型 。在 实际分 离 Ｍ
生 蔓 塑 蔓 鲞 团
ｎ 语 音 技 术 ｎ
⑤６ ＠ 可＠ 响⑥０ ＠ ＠响 ⑥
囊 一 技 曩
。 ｏ ￣ｎｇｉ ｎｆｔ ｎ ｒｆ
阶段 ， 随着 目标声 源 的出现 ， 只传 声器 观测 到 的混 两
题 。根 据前 面 的讨 论 ， 个 声源 对 应 的 空 间特 征 分 每
其中， 是 Ｇ ＭＭ 中高斯 分 量 的个 数 ， 是 高斯 均 值 Ｄ
的维数 ， 即空间特征维数 ， 此处为 ３ 。 以上 是 采 用 Ｇ ＭＭ 进 行 模 式 识 别 的 基 本 内容 。
布 可 以 用 一 个 Ｇ Ｍ 来 描 述 ， Ⅳ 个 声 源 ｓ（ ） Ｍ 令 。ｔ，
（） １ ８
位的扬声器 ， 目 而 标说话者方位事先无法确定。
由于干 扰源方位 固定 ， 因此其 空间特征会保持 一
种 固定 的分 布 。类似通 常语音增强 的方法 ， 假定 系统
而Ｇ ＭＭ 的条件概率 计算如下
ｐＤｌ ＝∑Ｐ ） （ Ａ ） （ ｂＤ
■ ■ 投 ● 投稿 网址 ： ｔ ：Ａ ｄｏ ． ｈｔ ／ ｕ ｉ ａ ｐ／ Ｅ ｎ
ＵＳ） Ｂ Ｓ 问题 ， 即假 定 声 源数 量 和方 位均 已知 ， 随 时 不
式 中， ｔ 表示 时频单元 ቤተ መጻሕፍቲ ባይዱ 的对应 的空间特征 ， ｏ（ 即
ｏ＿ 嚷 】 ， 】 （［ ［ ， ｔ去
（ ５ １）
间变化 ， 以单 独控制各个声 源 。这是一种 理想情 且可
目的是得 到各 个声 源对 应 的空 间方 位模 型 。为