以语音出现时频相关性为基础的语音掩模估计

来源：软件学报杂志2016年第S2期北京时间：

作者：战鸽,黄兆琼,应冬文,潘接林,颜永红

单位：战鸽，中国科学院 声学研究所, 北京 10019011,黄兆琼，中国科学院 声学研究所, 北京 10019002,应冬文，中国科学院 声学研究所, 北京 10019003,潘接林，中国科学院 声学研究所, 北京 10019004,颜永红，中国科学院 声学研究所, 北京 10019005

摘要：在二维的时频域网格结构中，相邻点上语音信号的存在与否是相关的，传统的马尔可夫链不能对二维的时频相关性进行自适应的建模.基于语音信号在时频域中的相关性，提出了一种利用二维的相关模型估计语音掩模的方法.该方法将时频域中带噪语音信号的对数功率谱划分为语音和非语音类，利用时域中的状态转移概率和前向因子描述语音信号的时域相关性，同时利用频域中的状态转移概率和邻域因子描述语音信号的频域相关性.通过全局的统计最优化，该模型将时域相关性和频域相关性相结合.给出了该模型的序贯化更新方法，逐帧更新模型并估计语音出现概率.在当前已知对数功率谱和模型参数的条件下，通过最大化后验概率得到的语音信号状态矩阵可以作为语音掩模的最优估计.将该方法与几种现有的语音掩模在线估计方法进行比较，实验结果显示出了该方法的优越性.

关键词：语音掩模;时频相关性;语音出现概率;邻域因子;在线估计

基金资助：国家自然科学基金（11461141004，91120001，61271426)；中国科学院战略性先导科技专项（XDA06030100，XDA06030500)；国家高技术研究发展计划（863)（2012AA012503)；中国科学院重点部署项目（KGZD-EW-103-2)