今天看完了一篇年代比較久遠的科普性文章《計算聽覺場景分析介紹》，雖然很多地方很抽象還是不怎麼理解吧，不過不管怎麼說對這個研究課題也是有了一點初步的印象，還是應該跑來寫下一點總結的。

這篇文章介紹了CASA（計算聽覺場景分析）的概念，理論依據，聲音的歸類線索，以及CASA系統所依賴的兩種主要結構：資料驅動和圖式驅動，將兩者做了比較並提出了觀點：資訊雙向互流是未來CASA研究的主要模式。

簡單說來，CASA 就是聲源分離。Cherry提出的“雞尾酒效應”，我在吳恩達的Coursera上的《機器學習》課程中聽過，就是人能從複雜的混合聲音中有選擇的跟蹤某一特定的聲音。To be formally，CASA就是利用計算機技術，讓計算機模仿人類對聽覺訊號的處理過程進行建模，從而具備和人類一樣從複雜混合聲源中感知聲音、處理聲音、解釋聲音的能力。注意到這裡是要求計算機在處理過程上和人類是相同或相似的，而不是像已有的計算機語音識別系統那樣，片面的利用數字訊號處理的方式，基於HMM模型的主要框架進行處理。

聲源有兩大性質，作為CASA分析的理論依據。一個是獨立性，即各個不同的聲源間，他們的物理特性是互相獨立的，一個聲源的某些特性變化不影響其他聲源的特性。這個很好理解，其實就是物理中的波的獨立性原理嘛，光也是一樣，所以才會有干涉現象，同相加強，反相抵消。另外一個是連續性，若一個聲源的某個特性發生突變，那麼它的至少一個其他特性仍然保持一定連續性，即不發生突變，若所有特性同時突變，必然是兩個聲源。

目前CASA系統有兩種主要的模型，一個是資料驅動型，指的是資訊從低階到高階的單向流動，符合聲音從進入我們的耳朵到被大腦處理的整個過程；另外一種是圖式驅動模型，這個是資訊雙向流動的，有點類似於前者只能是被動接受資訊然後處理，而後者不是機械的接受，可以進行反饋，並且參與預測未來的聲音，是一個可以上下互動的系統這個意思。而研究表明，圖式模型將是未來的趨勢。

另外再提一點聲音的歸類線索，到底依據什麼區分聲音呢？盜一張圖～

蠻細緻而複雜的，跟頭蓋骨和耳廓什麼的都有關係。個人認為，利用HMM模型做聲音識別顯然不需要考慮這麼多複雜的因素，但憑聲音再怎麼戲精，差別可以體現在再多的方面，HMM面臨的處理物件都是現成的聲音，是隱藏了這些“戲”的一個結果，而我們的目的，是建立一個智慧的、能夠和聲音“彪戲”的系統，你怎麼演，我能看懂，並且能配合你演，時不時的我還能預測一下你接下來怎麼演，這樣就高階了對不對。當然，我現在的水平只能理解到這了，“演技”方面的東西，我暫時還不懂，有待繼續學習。歡迎來討論，或者指出我理解不對的地方，共同進步！