基于聽覺神經(jīng)原理的語音信號處理.pdf

1、語音不僅是人類日常交流中的重要工具，也是百萬年來哺乳動物大腦進化的結(jié)果。這項復雜的功能是區(qū)分人類和其他動物的重要標志，包括了大腦對語言從聲音到圖形乃至抽象符號層面的神經(jīng)信息處理。盡管我們每天都要接觸這項功能，但是語音信息處理究竟發(fā)生在我們大腦中的哪里，以及這項功能是怎么發(fā)生的，這些問題我們依然沒有完整的答案。近幾十年來，心理學家和神經(jīng)科學家對人類聽覺的外圍系統(tǒng)，初級腦體，以及聽覺皮層都進行了大量的觀察。這些結(jié)果，盡管還不能完全的解決大腦

2、語音處理機制的問題，但已經(jīng)讓我們對這個課題有了長足的了解。 另外一方面，隨著電子通信業(yè)的出現(xiàn)和計算機技術的發(fā)展，人們開始可以從數(shù)字信號處理的角度來了解語音。語音發(fā)聲所引起的物理振動可以使用電子設備采集，然后這些信息可以利用計算機來進行處理。數(shù)字語音信號的采集和處理成為了通信和電子工程領域的一個重要分支。 語音識別，也就是把數(shù)字語音信號轉(zhuǎn)化為文字的過程，是這個領域被研究的最多的也是最有難度的一個問題。盡管信號處理技術和計算機

3、的性能在以日新月異的速度發(fā)展，利用數(shù)字方式來處理語音仍然比不過人腦對語音的處理。人腦處理口語語言遠比計算機的處理要魯棒。神經(jīng)系統(tǒng)在這項功能中的優(yōu)越性使得我們可以考慮在數(shù)字語音信號處理的過程中模擬人腦，從而提高系統(tǒng)的性能。 在本文中，我們用算法化的方法來模擬聽覺系統(tǒng)中的一些神經(jīng)信息處理機制，并把這些模塊應用到語音識別系統(tǒng)中來進行測試。我們首先使用非負矩陣分解（Non-negative matrix factorization，NM

4、F）的方法從語音信號中學習基函數(shù)，然后將這些基函數(shù)作為聽覺皮層神經(jīng)元時頻感受野（Spectral-temporal receptive fields，STRF）的計算模型。這些神經(jīng)元可以作為語音信號的特征提取系統(tǒng)。我們的實驗顯示，這些特征對噪聲的魯棒性比傳統(tǒng)語音識別應用中的特征要好。我們還使用了一個NMF的改進版本，正交非負矩陣分解（Orthogonal non-negative matrix factorization,ONMF），作