Question

人类的听觉感知

Answer 1

    今天，语音识别课程学习了人类的听觉感知，通过感知系统，我们可以知道说话的人是谁，知道这个人的方位信息以及距离我们的远近，我们知道他说的话是什么意思，在什么样的真实场景等等，主要用在音乐上。

    在语音信号处理的过程中，包含噪声的处理以及混响的处理，在传输过程中的信道畸变以及加性噪声，处理语音信息是困难的，其中以人声的噪声处理最为困难。

    语音分离是最近几年做的比较火的方向之一，大部分都是基于CASA（计算机处理听觉分析）的基础上进行的扩展，CASA用于在不同的场景，根据不同的说话人如何识别目标人的语音信息，主要的作用是做助听器，语音识别，耳机降噪，以及音频信息的解锁。

    语音分离原来很难，分离效应比较难攻克，深度学习出现后，大量的人转到此方向上，其他的方向人数减少，通过监督学习进行语音分离成为趋势，其中信息包含代价函数以及优化函数，增强算法以及网络结构等等。IBM是一种算法，是一种二值逻辑，当信噪比大于一定的阈值时，输出为1，否则输出为0. IRM是另外一种算法，其数值在0到1之间。1953年提出听觉感知的概念后，大量应用于各个学科，包罗语音学，心理学等。

    基于DNN的说话人分离算法，训练的与测试的说话人是相同的，在训练阶段增加说话人干扰可以提高识别率。大部分都是基于指定人的识别。现在的论文中大部分都是用IBM做语音分离，直接通过实验得出结论，但是为什么IBM可以用于语音分离的论文没有，这方面的理论有待挖掘，现在提倡端到端，不再考虑算法问题，算法问题交由深度学习进行提取。