单通道声乐源信号分离方法研究电子与通信工程专业论文.docxVIP

研究生优秀毕业论文 大连理工大学专业学位硕士学位论文摘 大连理工大学专业学位硕士学位论文 摘 要 盲源分离(Blind Source Separation，BSS)技术指未知混合过程和源信号的情况下从观 测信号中分离出源信号的技术。随着盲源分离技术在最近十几年的发展，超定和适定盲 源分离问题已经得到了很好的解决，当前的研究重点主要集中在欠定盲源分离问题上， 其中单通道声乐源信号分离问题成为近年来研究的热点问题，单通道顾名思义就是只有 一路观测信号，它由多路源信号混合而成。单通道声乐源信号分离在伴奏提取、基音提 取、弦提取、歌词识别对齐等方面具有广泛的应用。 本文主要研究单通道声乐源信号分离问题，具体任务就是将音乐中的歌声和伴奏分 开。主要完成以下两方面工作： (1)结合非负张量分解(Normegative Tensor Factorization,NTF)技术和音乐伴奏的重 复模式技术提出一种无监督的单通道声乐源信号分离方法。非负张量分解技术可以无监 督的从单通道声乐混合信号中分离出歌声和音乐伴奏。重复模式提取技术利用音乐伴奏 的周期性、自相似性即重复模式构成相应的重复模板，利用重复模板可以提取出混合信 号中的周期性音乐伴奏。因此本文提出将非负张量分解技术和重复模式提取技术结合起 来，利用音乐伴奏构成的重复模板提取非负张量分解每个分量信号中的重复伴奏，即可 实现歌声和伴奏的分离。 (2)在深入研究了深度递归神经网络(Deep Recurrent Neural Network，DRNN)模型的 基础上，提出一种改进的、有监督的单通道声乐源信号分离方法。研究结果表明深度递 归神经网络比深度神经网络能得到更好的结果，因此本文将深度递归神经网络应用到单 通道声乐源信号分离当中，并用联合软模板训练深度递归神经网络，以迸一步提高分离 性能。为了改进声乐源信号分离的非相关性，通过改进区别训练的目标函数来提高整个 神经网络的分离能力。微调学习速率可以使得网络避免局部极值，并加速收敛到全局极 值，为了改进网络的泛化能力，通过自适应学习激活函数的参数，进一步提高了网络的 分离能力。 实验在MIR-1K数据库上进行。本文对所述两种方法做了大量仿真实验，并与已有 算法进行了比较。实验结果表明，本文所提出的方法均取得了较理想的结果。 关键词：非负张量分解；重复模式提取；深度神经网络；源信号分离 万方数据 单通道声乐源信号分离方法研究Study 单通道声乐源信号分离方法研究 Study on the Single Channel Source Separation of Singing Voice Music Abstract The blind source separation(BSS)refers to separating the source signal technology from observed signals in the case ofunknown mixing process and the unknown source signals．With the development of the blind source separation technique in recent ten years，the overdetermined BSS and the determined BSS have been solved sueeesfully．Now we focus on the underdetermined BSS problem mainly．Among them the single channel voice／music source separation has become hotspot yet．The single channel means that there is only one observation， it is mixed up by multiple SOUrCeS．It is meaningful of single channel voice／music source separation,especially in extracting accompaniment，pitch extraction，chord extraction,lyrics aligning and recognition and SO on． This paper mainly research the single channel voice／music source separation with 0dB mixed model，the specific task is singing voice se