基于听觉感知的语音稀疏表示及压缩感知*

本文针对语音信号稀疏表示及压缩感知问题,将听觉感知引入稀疏系数筛选过程,用掩蔽阈值筛选重要系数,以得到更符合听觉感受的语音稀疏表示。通过对一帧浊音信号分别采用掩蔽阈值和能量阈值方法进行系数筛选对比实验,结果表明掩蔽阈值法具有更好的稀疏表示效果。为验证听觉感知对语音压缩感知性能的影响,与能量阈值法对照对测试语音进行压缩感知观测和重构,通过压缩比、信噪比、主观平均意见分等主客观指标评价其性能,结果表明,掩蔽阈值法可有效地提高压缩比且保证重构语音具有较高的主观听觉质量。     

基于听觉掩蔽效应的自适应反馈抵消

摘要当系统输入信号是有色信号时，传统的自适应反馈抵消算法会由于系统的输出和输入信号存在相关性而造成辨识反馈路径存在偏差，从而导致反馈抵消性能的降低。为了减小反馈路径的辨识偏差，本文提出在系统输出信号中加入被掩蔽噪声来降低系统的输入信号和输出信号的相关性的方法，噪声的能量由频域掩蔽阈值控制。这种基于听觉频域掩蔽效应的自适应反馈抵消算法改善了自适应反馈抵消的性能，同时加入的噪声是被掩蔽不可听的，输出语音的质量没有受到损害。     

空间掩蔽效应的实验研究

掩蔽和被掩蔽声源在水平面方向上空间分离的实验结果和分析表明:声源空间分离会使掩蔽阈值下降,产生空间去掩蔽现象。同时,空间去掩蔽与频率有关,频率越高,空间去掩蔽现象越明显,最大去掩蔽值为15 dB。其主要原因是掩蔽和被掩蔽声源在空间分离之后,由于头相关传输函数的影响,造成了单耳信掩比的提高。同时实验结果提示,高层听觉系统对双耳声信息综合处理也是空间去掩蔽的一个原因。     

听觉障碍患者的空间听觉*

空间听觉是对声音空间属性或特性的主观感觉,包括对声源的定位、对环境反射声的主观感觉等。复杂声学环境下的语言获取也和空间听觉密切相关。听觉障碍通常会包括空间听觉能力的下降甚至缺失,影响语言的获取能力。人工听觉是治疗听觉障碍的手段,理想情况下应能恢复或改善患者的空间听觉能力。该文综述了听觉障碍患者的空间听觉及其人工恢复方面的研究、进展及存在的问题。     

《空间声原理》

正谢菠荪著科学出版社,北京,2019年6月,818页,定价:249元听觉是我们感知外界信息的重要途径之一。人的听觉中,除了对声音的响度、音调和音色等主观属性的感觉外,还包括对声音的空间听觉,也就是对声音空间属性或特性的感知。这赋予了我们的听觉系统在一定的条件下,可以对声源进行定位,可以产生对周围声学环境的空间印象的可能。空间声的目的是重放声场的空间信息,给倾听者产生特定的空间听觉事件或感知。近年来,其应用已由传统的影院和家用声重放等文化娱乐领域,拓展到听觉心理和生理、室内声学设计、通信、互联网与计算机、多媒体与虚拟现实、医学等科学研究及工程技术领域。可见应用价值之重要。     

5.1通路环绕声的耳机虚拟重放

提出了一种改进的5.1通路环绕声的耳机虚拟重放信号处理方法。在对现有的信号处理方法进行分析,指出它会产生不自然主观听觉效果后,通过理论和心理声学实验证明,采用HRTF信号处理、环绕声信号去相关等方法,在克服普通耳机声重放的“头中定位”的缺点、虚拟出多环绕扬声器效果的同时,并未带来新的不自然听觉效果。因此信号处理方法可增加听觉上的包围感,从而改善耳机重放的主观听觉效果。     

音节清晰度与音位清晰度之间的统计关系

在大量普通话清晰度试验的基础上,根据汉语音节结构的具体分析,认为语言的内部信息——结构规律在言语的主观识别过程中是十分重要的因素。这特别表现在言语信号受到较大的干扰或失真,言语信号的物理特性已不能提供充分的识别条件时,内部信息发生较大的作用。本文提出了考虑到这一内部信息作用的音节清晰度与音位清晰度之间的统计关系。这一关系,比Fletcher与Steinberg所建立的统计关系,更好地符合大量试验的结果。     

节律性时间期待和空间期待对听觉目标辨别的影响

合理的推断和预期是加快辨别听觉目标的关键。通过听觉目标辨别的反应时任务,研究了听感知过程中节律性时间期待和空间期待对声音目标辨别的影响。实验中,听觉序列中各声音以规律或不规律的时间节奏、沿有序或随机的空间方位呈现,形成四种期待条件:时间和空间期待兼备、只有时间期待、只有空间期待和没有期待。被试对声音序列末尾随机呈现的听觉目标尽快做按键反应。结果发现:（1）节律性时间期待显著加快被试对目标声音的反应速度;（2）空间期待对目标辨别速度的促进作用仅在时间非规律条件下发生。可见,在辨别听觉目标时,听者优先使用时间期待,并在无有效时间预测信息时使用空间期待,以促成对声音目标的最优知觉加工。      

一种用于手持式播放装置的立体声扩展方法

手持式播放装置的一对立体声扬声器相对倾听者的张角窄、距离近,影响立体声重放效果。针对这类应用提出了一种立体声扩展方法,它采用远场和近场头相关传输函数(HRTF)设计听觉传输滤波器并将低频信号滤除。该方法适应了近距离扬声器重放并避免了窄张角扬声器布置带来的信号处理中过分的低频提升问题。该方法不但能改善重放性能,且对计算和存储量要求较低,适合于手持式播放装置的信号处理硬件配置。声像定位实验验证了该方法的效果。     

声源追踪训练对语音型噪声中语音识别的影响

听觉训练可以提升人在噪声环境中语音识别的绩效.首先设计了一种以稳定声源为刺激的听觉追踪任务,在20个训练单元后,采用由干扰语音类型和信噪比两个因素构成3×5语音型噪声掩蔽下的语音识别测试验证了该训练方法的有效性.结果发现,训练组的语音识别率显著高于对照组,证明听觉注意力可以通过声源追踪任务的训练得到提高。实验结果表明,声源追踪训练可以使人在语音型噪声掩蔽下的听觉注意力水平趋于稳定。     

声音的掩蔽效应及其应用

 人们在安静环境中,即使声音的声压级很低,也可以听到,说明人耳对这个声音的听阈可以很低.但是,在倾听一个声音的同时,如果存在另一个声音(叫做掩蔽声),就会影响到人耳对所听声音的听闻效果,这时对所听声音的听阈就要提高.这种由于某个声音的存在而使人耳对别的声音听觉灵敏度降低的现象,称为“掩蔽效应”.     

前方空间环绕声的四扬声器虚拟重放

考虑头部转动带来的动态因素对听觉垂直定位的贡献,提出了前方空间环绕声的四扬声器虚拟重放方法。4个扬声器分别布置在水平面左前、右前以及高仰角的左前上、右前上方向,并采用听觉传输信号处理的方法将多通路空间环绕声信号转换为4个扬声器的重放信号。以9.1通路空间环绕声虚拟重放为例,采用头相关传输函数对双耳声压及其包含的定位因素进行分析表明,该方法可以产生正确的双耳时间差及其随头部转动的变化,从而产生合适的侧向定位双耳因素和垂直定位的动态因素。而心理声学实验结果表明,该方法可以重放稳定的前方空间的水平和垂直虚拟源。因此,四扬声器布置结合听觉传输处理足以重放前方空间环绕声的垂直定位信息,实现多通路空间环绕声的向下混合与简化。     

一种基于模式识别的多路盲语音提取方法

盲分离算法能在缺少混合系统参数的条件下仅由观测信号估计初始源,但分离信号存在固有的排列模糊性,这往往导致两次批处理过程中同一信号"对不准",因此很难获得连续的源信号。本文针对盲声源分离中存在的相同问题,根据语音和其他音频信号的特征差异,提出一种修正的自相关函数并以其值作为一个特征基元来表征声音信号的时序相关特性,同时用平均声门波形状参数作为另一个特征基元来表征语音产生的生理效应。以这两个参数作为识别不同音频信号的二维模式特征,采用一种模糊聚类算法提取多路盲分离语音。本方法有效克服了批处理盲声源分离中的信号排列顺序的不确定性,并通过选择合适的阈值提取多路连续语音。仿真给出了5路混合音频信号中盲提取两路连续语音的实验结果。     

人耳辨识非语言声目标能力的实验研究

以主观听觉测试实验为手段,研究人耳听觉系统辨识能力与声音特性、评价主体训练程度及噪声干扰的关系.实验结果发现：人耳辨识声音能力主要由声信号的谱时结构决定,人耳对于谐音信号的辨识能力明显强于非谐音,对于稳态信号的辨识能力略强于瞬态信号;评价主体的训练可以提高辨识效果及准确性,但与声音特性密切相关;不同的噪声干扰对人耳目标辨识能力的影响主要取决于声音频谱结构;比对测听方式能提高非受训人员的辨识准确性,但不影响受训人员的辨识效果. 关键词： 听觉系统 主观听觉测试 目标辨识     

多通路声和家庭影院(2)

４　杜比环绕声系统声音具有强大的表现力,近年来在四通路立体声研究的基础上掀起了对环绕声感觉的追求,它是８０年代以来放声系统质量继立体声普及后最大的改进。环绕声感觉是指在前置通路直达声方向感不变的情况下,使聆听者感受到声音的音量、音调、语气和情绪与画面、剧情、场景和一切有声艺术的特定内容在环境、人物、空间的广度、深度、比例诸方面相吻合,达到听觉和视觉的一致性,符合所描绘的特定环境。环绕声感觉与心理声学中优先效应和掩蔽效应有关,可以让前置通路直达声先到达以保证声象定位。同时又将与直达声不相干的混响声…     

耳机重发下延迟时间对空间分离前向掩蔽效应影响的研究

采用耳机虚拟声重发的方法,探讨了掩蔽信号和被掩蔽信号在水平面方向分离的情况下延迟时间对前向掩蔽效应的影响。结果表明,掩蔽阈值有随延迟时间增加而下降较多的总体趋势。而且,在水平面空间分离的情况下,掩蔽阈值存在差值,最大为15 dB左右。但在掩蔽声的声压级较大时(如70 dB),在延迟时间20~40 ms处出现掩蔽阈值差值的小幅度上升。通过对时间积分效应和基膜响应的分析,这一实验结果能得到合理的解释。     

自制声波干涉仪

用自制音频振荡器给2个电声性能相同的扬声器提供音频信号使其发声,在空间形成两列频率相同的声波,并通过声音的强弱来演示声波的干涉现象.     

水下噪声音色属性回归模型及其在目标识别中的应用

通过对声音的主观评价与客观分析而建立的主观感受数学模型,在许多领域都有重要的应用. 本文采用多元线性回归分析手段对水下噪声音色属性建立回归模型,提取音色特征并改善水下目标的识别效果. 首先,在前期水下噪声音色属性主观评价实验的基础上,将构成音色属性空间的5个成分的评价分值作为回归分析中的因变量,提取大量与听觉感知相关的听觉特征作为自变量;然后,通过相关分析和改进的逐步筛选法,挑选出反映音色属性的“最优”自变量子集;最后,利用向后剔除回归分析和水下目标识别实验,确定适当的音色模型,并通过假设检验证明该线性模型不仅正确有效,而且能改善水下目标识别效果.     

听觉频域掩蔽效应的自适应β阶贝叶斯感知估计语音增强算法

为了在噪声抑制和语音失真中之间寻找最佳平衡,提出了一种听觉频域掩蔽效应的自适应β阶贝叶斯感知估计语音增强算法,以期提高语音增强的综合性能。算法利用了人耳的听觉掩蔽效应,根据计算得到的频域掩蔽阈自适应调整β阶贝叶斯感知估计语音增强算法中的β值,从而仅将噪声抑制在掩蔽阈之下,保留较多的语音信息,降低语音失真。并分别用客观和主观评价方式,对所提出的算法的性能进行了评估,并与原来基于信噪比的自适应β阶贝叶斯感知估计语音增强算法进行了比较。结果表明,频域掩蔽的β阶贝叶斯感知估计方法的综合客观评价结果在信噪比为-10 dB至5 dB之间时均高于基于信噪比的自适应β阶贝叶斯感知估计语音增强算法。主观评价结果也表明频域掩蔽的β阶贝叶斯感知估计方法能在尽量保留语音信息的同时,较好的抑制背景噪声。      

水下噪声音色属性回归模型及其在目标识别中的应用

通过对声音的主观评价与客观分析而建立的主观感受数学模型,在许多领域都有重要的应用. 本文采用多元线性回归分析手段对水下噪声音色属性建立回归模型,提取音色特征并改善水下目标的识别效果. 首先,在前期水下噪声音色属性主观评价实验的基础上,将构成音色属性空间的5个成分的评价分值作为回归分析中的因变量,提取大量与听觉感知相关的听觉特征作为自变量;然后,通过相关分析和改进的逐步筛选法,挑选出反映音色属性的“最优”自变量子集;最后,利用向后剔除回归分析和水下目标识别实验,确定适当的音色模型,并通过假设检验证明该线性模型不仅正确有效,而且能改善水下目标识别效果. 关键词： 音色 多元线性回归 主观评价