多说话人分离与目标说话人提取的研究现状与展望

语音分离作为语音信号处理领域的前沿技术,具有重要的研究价值和广阔的应用前景。通常,麦克风拾取的信号包含有多个说话人的语音、噪声和混响。为了提升用户的听觉体验以及后端设备的处理性能,需要对混合信号进行语音分离。语音分离起源于著名的鸡尾酒会问题,旨在从混合信号中分离出说话人的语音信号。近年来,研究人员提出了大量的语音分离方法,显著提升了分离性能。本文对这些语音分离方法进行了系统的归纳和总结。首先,根据目标说话人的辅助信息利用与否,将语音分离方法分为两大类,即多说话人分离与目标说话人提取;其次,从传统到基于深度学习的角度,分别对多说话人分离和目标说话人提取两类方法进行详细介绍;最后,讨论了当前语音分离领域面临的一些挑战,并对未来的研究方向进行展望。

基于先验梅尔谱和神经声码器的语音丢包隐藏方法

对基于神经网络的丢包隐藏方法而言,输入特征是直接影响最终恢复效果的重要因素.此外,如何通过丢包隐藏恢复高自然度的语音,也是亟待解决的难题.为有效恢复丢包语音并提高自然度,本文提出了一种基于先验梅尔谱和神经声码器的语音丢包隐藏方法.该方法采用一种非对称的编解码网络结构.在编码端,用两个独立的编码网络分别从时域波形和梅尔谱中提取深层时频特征.在解码端,将时频深层特征一同送入由时序自适应反归一化层构成的声码器中,以恢复丢失的语音信号并提高自然度.仿真实验表明,该方法在语音感知质量和短时客观可懂度上均优于现有的两种丢包隐藏算法.

基于归一化互相关函数的基音检测算法

本文提出了一种归一化互相关函数基音检测算法（ＮＣＣＦＰＤＡ——ＮｏｒｍａｌｉｚｅｄＣｒｏｓｓ－ＣｏｒｒｅｌａｔｉｏｎＦｕｎｃｔｉｏｎＰｉｔｃｈＤｅｔｅｃｔｉｏｎＡｌｇｏｒｉｔｈｍ），该算法在基音检测主过程的前端和末端加入了有效的预处理和后处理技术，实验分析表明，该方法在一般噪声环境下，基音周期提取和清浊判决具有令人满意的效果。

ACELP语音编码中代数码书的快速搜索算法

为降低ACELP语音编码中代数码书搜索的复杂度,提出了一种基于代数多子码书结构的多路径快速搜索算法.实验结果表明,在不降低编码质量的条件下,这种搜索算法的复杂度仅为全搜索算法的1/128.

低速率声码器中残差谱的变维矢量量化

基于一个基音周期内语音线性预测残差（ＬＰＲｌｉｎｅａｒｐｒｅｄｉｃｔｉｏｎｒｅｓｉｄｕａｌ）波形，提出了一种简单而有效的ＬＰＲ谱变维矢量量化（ＶＤＶＱ）方法，即利用具有固定维数的通用码本对ＬＰＲ谱幅度形状进行矢量量化．通用码本和结构化的ＶＱ相组合减少了存储和计算复杂度，产生了高的量化效率，增强了编码语音的感性质量．计算机仿真结果表明，利用该ＶＤＶＱ技术设计的２４ｋｂ／ｓ语音编码器产生了高质量合成语音．

线谱频率参数的分裂矢量量化

本文简要介绍了线谱频率(LSF)参数的定义和性质,给出了一种求解LSF参数的有效办法。在LPC语音编码中设计了一种新的LSF参数分裂矢量量化器。主观和客观评价结果表明,以每帧25bit对LSF参数编码,该量化器提供了透明的量化质量。

高质量的4kb/s散布脉冲CELP语音编码算法

本文提出了一种散布脉冲CELP(DP CELP)语音编码算法 ,激励矢量由特殊结构的代数码书与固定形式的散布脉冲的卷积获得 ,这种激励源有效地改善了重建语音质量 ,但未增加代数码书搜索的复杂度 .非正式的主观听力测试表明 ,这种 4kb/sDP CELP语音编码算法的合成语音质量非常接近G 72 3 1中 6

用分数延迟改进基音预测的CELP编码方案

在ＣＥＬＰ编码器中，通常用延迟为抽样间隔整数倍的长项预测器表征浊音语音的准周期性。然而在低比特率，这种限制降低了编码器的性能。本文在介绍了ＣＥＬＰ编码器原理及激励码本构成后，重点研究了一种新型的基音预测方法：分数延迟基音预测。计算机模拟结果表明，这种方法能对浊音语音进行更准确的表达，尤其对女性讲话者明显改善了语音质量。

高质量散布脉冲CELP算法的定点DSP实时实现

为了将低比特率语音编码算法应用于实际的语音处理系统,开发了一种基于TMS320VC5410定点DSP 的实时低速率语音压缩系统．语音编码方法采用一种高质量的4 kb／s散布脉冲CELP算法．用汇编语言编写的定点DSP程序能在目标平台上实时完成语音数据的采集、处理和回放功能．整个系统大约占用31 K存储空间, 算法复杂度达到指令数为5．42×107条／s．客观质量测试结果显示,DSP定点程序处理后的语音质量非常接近于浮点C语言处理后的结果,表明该语音处理系统能满足实时语音压缩的需求．

LSF参数的模拟退火法连接分裂矢量量化

本文基于模拟退火算法 ,提出了一种全局最优的模拟退火法连接分裂矢量量化 (SA LSVQ)方案 .实验表明 ,该算法与LBG法相比 。

码激励线性预测语音编码快速算法和评价

本文研究了近年来在码激励线性预测(CELP)编码方案中涌现出来的一些典型快速算法,对其进行了分类,比较了它们的计算复杂度和存贮要求。

线谱对参数的一步插值预测矢量量化

利用语音短时谱变化相对较慢、其邻近ＬＳＰ（ＬｉｎｅＳｐｅｃｔｒｕｍＰａｉｒ）失量存在充分相关这一特性，提出了一种新的谱编码方法，即ＬＳＰ编码的一步插值预测矢量量化。本文设计了一个１８ｂｉｔ／ｆｒａｍｅ分裂矢量量化方案用于量化预测残差，当帧变化周期为３０ｍｓ时，平均谱失真仅为１．１７８ｄＢ。

ACELP语音编码器中增益码书的建立方法

为提高ACELP语音编码器中激励增益的量化性能,基于广泛应用的代数码激励线性预测语音编码模型,提出了一种具有一般意义的激励增益码书的建立方法,该方法可应用于各种不同速率ACELP语音编码器中．实验结果表明,使用该方法建立的6b增益矢量码书与8b标量增益码书的性能相当．

改进的繁殖码激励线性预测编码器

尽管码激励线性预测编码（ＣＥＬＰ）算法在中、低比特速率中已提供了较好的语音质量，但对随机码本的全搜索，其计算是极其复杂的。本文在繁殖码激励线性预测编码器的基础上研究了决定最优激励的全搜索过程，提出了用改进的繁殖码本作为激励源的有效搜索方法，使ＣＥＬＰ编码器的计算量减少为正常全搜索的。

一种改进的4．8kb／s码激励线性预测语音编码

本文介绍了码激励线性预测（ＣＥＬＰ）语音编码的基本原理，研究了一种制约随机激励的线性预测编码方案。它将随机激励码字进入合成滤波器的数量与自适应码本的性能指标联系起来，有效地减少了激励噪声对合成语音的影响．计算机模拟结果表明，这种方法在主观上改善了语音质量。

一种应用于局域网的语音通信系统

为了解决目前局域网内语音实时通信和推进低速率语音编码技术的实际应用，基于低速率语音编解码算法和网络传输技术设计了一个能够应用于局域网的语音实时通信系统．该系统包括语音采集、压缩编码、网络传输和后处理等主要模块，在语音编码技术和网络传输技术的基础上结合计算机多媒体技术给出了各个模块的软件实现方法．计算机仿真结果表明，系统在局域网中传输稳定，通信可靠，能够完成语音实时通信有着潜在的应用价值．

用繁殖码激励简化CELP编码器

尽管码激励线性预测编码(CELP)算法在中、低比特速率中已提供了较好的语声质量,但对随机码本的全搜索,其计算是极其复杂的。为此研究了一种用繁殖码本作为激励源的有效搜索方法,同时讨论了决定最小均方误差激励码字的全搜索过程。通过用繁殖码本,使CELP编码的计算量减少近一个数量级。

低速率DP-CELP语音编码中的多路径代数码书搜索算法(英文)

为了解决高质量散布脉冲码激励线性预测语音编码算法中的代数码书搜索复杂度高的问题,通过在候选的脉冲位置上保持目标信号和脉冲响应的相对最大相关,提出了一种不降低主观话音质量的多路径散布脉冲搜索算法,计算负载从19.66 MOPS减少到0.069 4:MOPS,大幅度减轻了散布脉冲码书的计算负载.主观和客观听力测试表明,算法的改进前后的合成语音质量没有感性差别.

CELP语言编码算法的快速途径

本文介绍了CELP的基本原理,并研究了奇异值分解法和自相关方法。

语音压缩编码中的两种基音预测器

本文研究了语音压缩编码中基音预测器的两种情形,即开环和闭环结构。提出了一些简化基音预测器求解方法,比较了几种条件下的基音预测器性能。给出了计算机仿真结果。