基于深度學習與并行計算的語音增強系統(tǒng).pdf

1、學校代碼!Q!至魚分類號!￡!墾墨論文題目學號墨!壘Q壁Q墨墨編號——基于深度學習與并行計算的語音增強系統(tǒng)學院：專業(yè)：研究方向：姓名：指導教師：計算機學院計算機技術人工智能與模式識別石博天張學良副教授2016年5月1日內蒙古大學碩士學位論文基于深度學習與并行計算的語音增疊系統(tǒng)摘要近年來，隨著計算機性能的提升與機器學習優(yōu)化算法的出現(xiàn)，實時語音識別逐漸成為可能。盡管目前在安靜錄音室內所錄制語音的識別準確率已經(jīng)有大幅度提高，但在現(xiàn)實使用中卻依

2、然存在著不小的障礙。究其根本，現(xiàn)實環(huán)境相較于實驗室內，在原有的純凈語音信號之上夾雜了大量的噪聲。語音增強技術的出現(xiàn)，正是為了處理帶噪語音數(shù)據(jù)，還原純凈語音信息。語音增強(SpeechEnhancement)，也稱語音分離、語音降噪，是從有背景噪聲的語音中，提取有價值的語音信號，抑制無用的噪聲信號，從而提高信號的信噪比(Signal—NoiseRatio，SNR)，增強音頻內容的辨識度。語音增強是很多語音處理工作必不可少的前置步驟。在諸多

3、研究、應用領域有著很大的應用價值。例如語音識別、助聽器、電話等系統(tǒng)中，語音增強效果的優(yōu)劣對后續(xù)工作有著很大的影響。傳統(tǒng)的語音增強多是基于數(shù)字信號處理的方法，這些算法提出難度大，運算復雜度高，實現(xiàn)非常復雜。而在本題目中，我將會使用深度神經(jīng)網(wǎng)絡配合并行計算的方式來完成。深度神經(jīng)網(wǎng)絡(DeepNeuralNetwork，DNN)是近年來人工神經(jīng)網(wǎng)絡(ArtificalNeuralNetwork，ANN)在新理念上的延伸。深度神經(jīng)網(wǎng)絡通過加深網(wǎng)

4、絡層數(shù)，并配合相應的優(yōu)化算法，以“表征學習(RepresentationLearning)”為目標進行訓練。它摒棄了手工選擇特征的局限性，使用最原始數(shù)據(jù)，通過機器學習的方法“學習”到數(shù)據(jù)內部最有價值的特征。這種特征表達方法與傳統(tǒng)神經(jīng)網(wǎng)絡方法相比有著性能上的明顯優(yōu)勢。深度學習由于運算量的巨大，導致其最近才逐漸被工業(yè)界所接受，并且開始了該領域的研究熱潮。由于通用圖形處理器(GeneralPurposeGraphicProcessUnit，G

5、PGPU)的出現(xiàn)，導致并行計算技術得到長遠發(fā)展。深度學習中大部分算法都能夠由相應的矩陣運算表示，這就使得深度學習非常適合利用GPU進行訓練、測試。然而，使用人工神經(jīng)網(wǎng)絡進行語音增強，將引入泛化能力不足的問題。針對現(xiàn)實世界中存在的大量具有不同模式的噪聲，我們很難采用單一的人工神經(jīng)網(wǎng)絡模型進行降噪。所以本文設計了多模型匹配系統(tǒng)架構，并通過重構誤差配合理想二值掩蔽進行降噪和模型選擇，從而大幅度提升了系統(tǒng)的綜合性能。本研究的創(chuàng)新點主要體現(xiàn)在以下