بهبود عملکردد سیستم های جداسازی سیگنال گفتار دو گوینده در حالت تک میکروفونه
Abstract
در این رساله روش جداسازی سیگنال دو گوینده زمانی که فقط به سیگنال مخلوط دریافت شده از یک میکروفون دسترسی داریم مورد بررسی قرار می گیرد. یطور کلی روش های جداسازی سیگنال در حالت تک میکروفونه به دو گروه تقسیم می شوند: گروه اول روش های را شامل می شود که اصول حاکم بر سیستم شنوایی انسان را برای جداسازی دنبال می کنند و گروه دوم روش های که با استفاده از اطلاعات قبلی از دو گوینده سیگنال مخلوط را مدل می کنند. هدف اصلی این رساله یوشش نقاط ضعف روش های موجود است. برای این منظور چهار راه حل ارایه می گردد: (1) ترکیب روش های گروه اول و دوم. این روش علاوه بر اینکه مزایای هر دو روش را حفظ می کند مستقل از گوینده ها می باشد. (2) الگوریتمی برای تخمین فرکانس های اصلی دو گوینده زمانی که فقط به سیگنال مخلوط دسترسی داریم ارایه می شود. فرکانس های اصلی دو گوینده به عنوان ویژگی متمایز کننده دو گوینده در گروه اول کاربرد دارند. (3) روش تعمیم یا فته ای برای روش های مدل سازی وابسته به گوینده بر اساس شناسایی گوینده ها از سیگنال مخلوط ارایه می شود. به این ترتیب می توان روش های وابسته به گوینده را به تعداد نامحدودی از گوینده ها تعمیم داد. (4) براساس روش تخمین کمینه کردن متوسط مربعات خطا فیلتر جدیدی بنام ماسک نرم برای جداسازی سیگنال دو گوینده ارایه می شود. علاوه بر ارایه روش های جدید جداسازی در این رساله دو تقریب بنام های تقریب ماکزیمم-مخلوط و ماسک دودویی که در روش های جداسازی کاربرد فراوانی دارند مورد تحلیل قرارگرفته و با استفاده ازروش های ریاضی اثبات می شوند. اهمیت این تحلیل ها از آن جهت که دیدگاه جدیدی با مستدلات ریاضی برای ابزارهایی که به مدت 20 سال بصورت تجربی مورد استفاده قرار می گرفته ارایه می شود.