[论文解读] Blind speech separation based on undecimated wavelet packet-perceptual filterbanks and independent component analysis

Ibrahim Missaoui, Zied Lachiri|arXiv (Cornell University)|Oct 14, 2012

Blind Source Separation Techniques参考文献 27被引用 6

一句话总结

本文提出了一种新颖的盲语音分离系统，结合了非抽取小波包分解（UWPD）与感知优化的滤波器组，以及基于峰度最大化法的独立分量分析（ICA）。通过增强信号表示中的非高斯性，该方法在瞬时双源语音混合中实现了优于FastICA及其他基准方法的分离性能。

ABSTRACT

In this paper, we address the problem of blind separation of speech mixtures. We propose a new blind speech separation system, which integrates a perceptual filterbank and independent component analysis (ICA) and using kurtosis criterion. The perceptual filterbank was designed by adjusting undecimated wavelet packet decomposition (UWPD) tree in order to accord to critical band characteristics of psycho-acoustic model. Our proposed technique consists on transforming the observations signals into an adequate representation using UWPD and Kurtosis maximization criterion in a new preprocessing step in order to increase the non-Gaussianity which is a pre-requirement for ICA. Experiments were carried out with the instantaneous mixture of two speech sources using two sensors. The obtained results show that the proposed method gives a considerable improvement when compared with FastICA and other techniques.

研究动机与目标

• 解决在缺乏源信号或混合条件先验知识的情况下分离混合语音信号的挑战。
• 通过提升语音信号的非高斯性，满足有效独立分量分析（ICA）的前提条件。
• 设计一种基于非抽取小波包分解（UWPD）的感知滤波器组，使其与人类听觉临界带特性相匹配。
• 通过在ICA前的预处理阶段集成峰度最大化法，提升分离性能。
• 在真实世界语音混合场景中，将所提方法与FastICA等成熟技术进行验证比较。

提出的方法

• 该方法采用非抽取小波包分解（UWPD）生成混合语音信号的冗余、时移不变的时间-频率表示。
• 通过优化UWPD树结构，构建感知滤波器组，使其匹配人类心理声学模型的临界带速率。
• 在预处理阶段应用峰度最大化作为准则，以增强变换后信号的非高斯性，从而提升ICA性能。
• 随后对增强后的非高斯表示应用独立分量分析（ICA），以分离出原始语音源。
• 系统使用两个传感器捕获两个语音信号的瞬时混合，模拟真实世界的盲源分离场景。
• 通过客观指标评估该方法，结果与FastICA及其他传统技术进行对比。

实验结果

研究问题

• RQ1 基于非抽取小波包分解的感知启发式滤波器组能否提升语音混合信号的非高斯性？
• RQ2 在预处理阶段集成峰度最大化是否能增强ICA在盲语音分离中的性能？
• RQ3 所提出的UWPD-感知滤波器组-ICA系统在分离双语音源方面与FastICA及其他现有方法相比表现如何？
• RQ4 滤波器组与感知特性的对齐在信噪比和可懂度方面在多大程度上提升了分离质量？
• RQ5 在瞬时混合条件下，该方法对语音信号特征变化的鲁棒性如何？

主要发现

• 所提方法在语音分离质量方面显著优于FastICA及其他传统技术。
• 在预处理阶段集成峰度最大化法有效增强了信号表示的非高斯性，这对ICA的成功至关重要。
• 采用非抽取小波包分解可确保时移不变性，并保留语音信号中的精细时间结构。
• 基于优化UWPD树结构生成的感知滤波器组更符合人类听觉感知，从而提升了分离保真度。
• 实验结果表明，所提系统在分离准确率和串扰抑制比方面优于FastICA。
• 该方法在仅使用两个传感器的情况下，对双语音源的瞬时混合具有有效性，证实了其实际适用性。