1. 研究目的与意义
在当前的人工智能环境下，用语言进行人机交互就避免不了带噪语音分离的问题。
各类人机交互不仅仅只要求在安静的环境下完成，在商场，娱乐设施等嘈杂的地段也要能正常进行交互。
这些地段通常会聚集大量的声源，在这种较强的噪声背景下，语音识别系统的准确性会受到较大影响，甚至没法正常工作。
2. 课题关键问题和重难点
关键问题：本设计的关键问题在于如何提取目标语音的特征量以及如何利用高斯混合模型将特征量进行建模。
在训练阶段首先将语音信号转换成数字信号，然后就是信号预处理，需要对要提取特征量的信号进行加窗，分帧和短时傅里叶变换，之后再利用高斯混合模型进行建模得出特征量的概率密度分布，此时就算是模型的初步建立了。
这个步骤称为高斯模型对目标模型的学习，训练过后高斯模型会得到一个与目标语音直接建立的模型相似的结果，这个训练结果便是测试阶段用来分离混合语音模型的重要依据。
3. 国内外研究现状（文献综述）
本设计查阅了一些关于带噪语音去噪算法研究的论文其中算法各有长短，比如小波去噪就太过依赖数学理论[1]，所以在去噪过程中很容易破坏语音信号的有用成分，从而导致分离效果不理想，而稀疏编码去噪主要利用语音数据的特征基，因此可以有效的避免破坏语音信号的有用成分从而降低语音失真[2]。
在语音分离问题上，独立量分析(Independent Component Analysis, ICA)算法是目前最常用的一种方法[3]。
其基本思路是以非高斯信号为研究对象，在独立性假设的前提下对多路观测信号进行分离，即在满足一定条件下，能从多路观测信号中较好地分离出隐含的源信号。
5. 工作计划
2022-2022-1学期：第15-16周：完成选题，查阅相关中英文资料。
第17周：与导师沟通进行课题总体规划。
第18-19周：导师下发的毕业设计（论文）任务书，学生根据导师的要求进行外文翻译，列出开题报告大纲，进行开题报告的撰写。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
