非负矩阵分解法於语音调变频谱强化之研究Astudyofenhancingthe.PDFVIP

The 2016 Conference on Computational Linguistics and Speech Processing ROCLING 2016, pp. 181-193  The Association for Computational Linguistics and Chinese Language Processing 非負矩陣分解法於語音調變頻譜強化之研究 A study of enhancing the modulation spectrum of speech signals via nonnegative matrix factorization 王緒翔 2,3 、鄭至皓 1 Xu-Xiang Wang Zhi-Hao Zheng 、 曹昱 3 Jhih-Wei Hong 1 Yu Tsao 、洪志偉 1 國立暨南國際大學電機系 2 國立台灣大學通訊工程研究所 3 中研院資訊科技創新研究中心 摘要 在本論文中，我們使用了非負矩陣分解 (nonnegative matrix decomposition, NMF) 技術 來強化語音特徵調變頻譜，並且分別訓練資料中乾淨語音及雜訊的調變頻譜強度基底 (basis) ，利用所得到的基底來分解測試語音之調變頻譜強度，最後搭配原始相角透過反 傅立葉轉換(inverse Fourier transform)得到新的聲學頻譜並進而得到強化語音訊號。另外 我們提出兩種變形以利降低演算複雜度:一種是將相鄰的聲學頻率點視為一體處理、另 一種則是只處理低頻率區域的調變頻譜。最後，我們還與傳統的語音強化法做比較，如 頻譜消去法和韋納濾波器法及最小期望平方誤差之短時頻譜強度估測法，驗證提出之方 法的可行性。 在實驗資料庫的選擇上，我們引用AURORA-2 連續數字語料庫之部分語句，其中的語 音訊號受到加成性雜訊影響，實驗結果顯示上述之新方法對於基礎實驗而言，能有效提 升雜訊環境下語音訊號的品質(PESQ) 。 Abstract In this paper, we propose to enhance the modulation spectrum of the spectrograms for speech signals via the technique of non-negative matrix factorization (NMF). In the training phase, the clean speech and noise in the training set are separately transformed to spectrograms and modulation spectra in turn, and then the magnitude modulation spectra are used to train the NMF-based basis matrices for clean speech and noise, respectively. In the test phase, the test signal is converted to its modulation spectrum, which is then enhanced via NMF with the basis matrices obtained in the training phase. The updated modulation spectrum is finally transformed back to