语音分离 人工智能 文献综述 本文提供了全面的 基于深度学习的研究概述 最近几年监督语音分离。我们 首先介绍语音分离的背景和 监督分离的制定。然后我们讨论 监督分离的三个主要组成部分：学习 机器，训练目标和声学特征。大部分 概述是关于分离算法的，我们将对其进行回顾 单声道方法，包括语音增强 （语音-非语音分离），说话者分离（多通话者分离）和语音混响以及 多麦克风技术。重要问题 讨论了监督学习所特有的泛化。

MATLAB环境下基于矢量量化的说话人识别系统.pdf MATLAB环境下的基于GMM模型的说话人识别系统.pdf MATLAB环境下的语音识别系统.pdf 一种基于GMM的说话人识别系统的实现.pdf 一种基于MFCC和LPCC的文本相关说话人识别方法.pdf 一种基于优化小波神经网络的语音识别.pdf 一种基于小波变换和隐Markov模型的声调识别方法.pdf 一种快速说话人搜索算法.pdf 一种改进的基于小波去噪HMM非特定人语音识别算法.pdf 一种改进的说话人识别系统

经过数十年的发展语音识别取得了长足进步,但各种语音识别系统的性能仍然难以满足现实应用的需求.造成这种情况的一个重要原因在于目前的系统仍然难以适应各种噪声环境.因此,增强语音识别系统的噪声鲁棒性是推动其走向现实应用的关键.系统地阐述了特征增强类方法的国内外研究现状,介绍了信号增强、从听觉层面或可区分层面的提取特征、特征归正和特征补偿等方法,分析了他们存在的局限性.在此基础上,分析了稀疏编码与语音特征增强的基本问题和研究现状,提出了稀疏编码在语音特征增强方面的需要解决的问题,为从事鲁棒语音识别的研究