CN112133323B 一种空间结构性特征相关的无监督分类与有监督修正融合的语音分离方法 （青岛科技大学）

一种空间结构性特征相关的无监督分类与本发明公开一种空间结构性特征相关的无括：基于时滞细胞神经网络的语音片段特征提分离模型自适应修正和基于二值掩蔽的语音重利于提高说话人数目未知的混合语音分离的泛2步骤B、基于动态增长自组织映射神经网络对经过步2.根据权利要求1所述的空间结构性特征相关的无监督分类与有监督修正融合的语音3.根据权利要求1所述的空间结构性特征相关的无监督分类与有监督修正融合的语音构建128×1024二维结构的时滞细胞神经网络，网络的输u4.根据权利要求1所述的空间结构性特征相关的无监督分类与有监督修正融合的语音(1)计算每个信道中平滑的调制幅度谱的一阶导数获取候选的onset/offset突变点，3(3)针对个连续信道的onset的连线，选取onset右侧相邻的offset，构建大小为Z的(4)选取语音片段中的最大的矩形区域作为语音片段窗口，将语音片段窗口内的调制5.根据权利要求1所述的空间结构性特征相关的无监督分类与有监督修正融合的语音6.根据权利要求1所述的空间结构性特征相关的无监督分类与有监督修正融合的语音4(7)大的学习率可以加快学习速度，但不容易收敛，所以可采用由大到小的动态学习7.根据权利要求1所述的空间结构性特征相关的无监督分类与有监督修正融合的语音(3)选取语音片段分类错误率的均方误差作为适应度函数，根据粒子的位置计算适应8.根据权利要求1所述的空间结构性特征相关的无监督分类与有监督修正融合的语音5其他家庭成员经常也在进行语言交流，因此需要语音分离技术准确地得到目标语音的指算法对说话人数目未知的混合语音分离仍存在泛化性和精确性6[0021](1)计算每个信道中平滑的调制幅度谱的一阶导数获取候选的onset/offset突变道的onset距离小于阈值的相邻信道的onset集合，选择集合中距离最小的onset连接；对[0024](4)选取语音片段中的最大的矩形区域作为语音片段窗口，将语音片段窗口内的[0026](1)使用10种不同尺度的窗口对语音窗口进行划分，每一种尺度代表金字塔的一7惯性权重ω;[0042](3)选取语音片段分类错误率的均方误差作为适应度函数，根据粒子的位置计算[0052]本方案利用时滞细胞神经网络并行高速以及易于VLSI实现的特性的提取时序信结构性特征相关的无监督语音片段分类和有监督语音模型自适应修正融合的语音分离算8例对本发明做进一步说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明，[0058]如图1所示，本实施例提出一种空间结构性特征相关的无监督分类与有监督修正[0067]①根据Moore和Glasberg提出的经验公式，计算特定频率上的等效矩形带宽[0070]③通过求解的固定频率间隔获得所有信道的中心频率，进而获得第k个信道对应9[0079](3)为了消除调制频谱中微弱波动的干扰，通过低通滤波器对调制幅度谱进行平r[0089]利用基于突变点检测的语音片段窗口生成方法获取调制幅度谱特征与语音片段[0090](1)计算每个信道中平滑的调制幅度谱的一阶导数获取候选的onset/offset突变道的onset距离小于阈值的相邻信道的onset集合，选择集合中距离最小的onset连接；对[0093](4)选取语音片段中的最大的矩形区域作为语音片段窗口，将语音片段窗口内的何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等