基于信号子空间的语音增强方法

基于子空间的语音增强算法不同于基于信号处理和统计估计的经典语音增强算法,其核心思想就是将带噪语音信号映射到信号子空间和噪声子空间中,并在信号子空间中估计原始信号。本文提出的算法是以线性代数和矩阵分析为基础,利用对语音信号和噪声协方差矩阵同时对角变换的条件,对混有加性白噪声和粉红噪声的语音信号进行增强处理。经过实验分析及与传统的语音增强算法相比较,语音失真较小,增强效果较好,能够在极大限度地抑制背景噪声的同时减少频谱失真和残余噪声。     

非平稳环境下基于人耳听觉掩蔽特性的语音增强

传统的语音增强算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的音乐噪声较大。对此,本文研究了一种非平稳环境下基于听觉掩蔽效应的语音增强算法。该算法对传统谱减法的功率谱估计算法进行改进,根据最小均方误差原则和语音信号的听觉掩蔽阈值调整功率谱估计的参数,并引入了基于最小值统计特性的噪声估计算法,使估计的噪声更好地跟踪噪声的变化。实验结果表明:该算法对平稳和非平稳的噪声都得到较好的增强效果,且较好地抑制了音乐噪声。     

基于形态滤波的短波信号检测算法

针对短波信号检测中色噪声干扰导致信号检测概率低的问题,通过研究实际短波信道特性和信号的频谱特征,提出一种将信号频谱图作为一维灰度图像进行形态学滤波的预处理算法,应用联合形态学滤波估计信号噪声基底,利用改进的顶帽变换进行白化滤波,最后依据高斯白噪声环境下的门限估计理论进行信号检测。实验结果表明,该算法能在复杂的短波信道环境下较好地抑制色噪声干扰,对弱信号的有效检测率可提高10%～20%。     

一种基于语音和噪声统计信息改进相位估计的语音增强算法

为改善低信噪比环境下语音的质量,论文提出了一种改进相位估计的语音增强算法。算法首先根据语音和噪声频谱的统计模型的对称性得到用先验信噪比倒数形式表示的噪声频谱估计值,然后通过分析低信噪比条件下（0dB）相位估计对于幅度估计的重要性,利用噪声频谱估计值估计每一个频点的相位修正值,并给出了一种优化的先验信噪比估计算法,得到一种新的语音增强算法。由仿真实验给出的客观测试和非正式听音测试表明:该算法处理后取得了较好的效果,在抑制低信噪比语音增强所产生的音乐噪声的前提下,相比未改进相位估计的算法处理后的信号,语音失真度更小,语音质量有明显提高。      

一种基于改进的谱减法的语音增强算法

为改善语音质量,提高语音识别系统的性能,提出了一种新的基于改进的谱减法的语音增强算法。新算法在所有噪声都能转化为加性高斯白噪声的基础上,依据高斯白噪声幅度谱服从瑞利分布的特点,对噪声幅度谱进行精确的估计,并采用频带方差进行端点检测以及时检出语音。仿真分析表明：该方法能够较好地抑制噪声,噪声消除效果较传统算法具有明显的提高。     

基于谐波重建的语音增强算法的研究

目前,对于一些信号处理方面的应用,包括移动通信、语音识别和助听设备等,语音增强都是一项重要的任务。针对在频域上语音信号的大部分能量集中于浊音部分的谐波结构这一特点,文中提出了一种基于谐波结构重建的语音增强方法,通过从频域上尽可能地恢复语音的谐波结构并抑制信号中的噪声成分来达到语音增强的目的。其中谐波结构提取部分采用改进的频域峰值选取算法和谐波再处理策略来准确定位频域上浊音部分的谐波结构的位置。根据语音频谱中谐波结构的分布特性,文中采用梳状滤波器来设计增益函数,并利用噪声估计方法设计频域增益函数的增益值。对于带噪语音,该方法能有效地恢复其谐波结构并抑制语音中的噪声成分。此外文中还将此方法与几种经典的语音增强方法针对两种噪声进行比较实验,实验结果表明该方法的性能整体上优于其他几种语音增强算法,尤其是在低信噪比条件下文中所提出的方法性能优势明显。     

一种低信噪比语音的增强算法

为改善低信噪比环境下语音的质量,论文提出了一种新的语音增强算法。算法首先根据噪声频谱的高斯统计模型得到用先验信噪比形式表示的噪声频谱估计值,然后利用帧内、帧间平滑算法估计每一个频点的先验信噪比,从而能够更好地跟踪先验信噪比的变化。算法接着引入一种简便的估计语音在每一个频点出现概率的方法,得出一种新的语音增强算法。客观测试和非正式听音测试表明:该算法在几乎不损伤语音清晰度的前提下,能够更好地抑制低信噪比语音增强所产生的音乐噪声,同时使语音信噪比得到了明显提高。     

基于动态谱估计的改进谱减语音增强算法

语音增强是语音信号处理的重要课题。根据基于最小值追踪的谱估计方法,提出了一种非平稳噪声环境下快速追踪噪声变化的方法,将其应用到改进后的谱减法中,以提升语音增强的效果。仿真结果表明,改进后的谱减法能有效降低背景噪声,提高输出语音信号的信噪比。     

基于AR模型的语音增强方法

对语音增强方法中经典的谱减法和最小均方误差估计(MMSE)方法进行了阐述和分析。利用自回归平均移动模型(ARMA)的理论对色噪声进行建模,得到基于AR模型的语音增强方法。对几种增强方法在3种色噪声条件下和(-5～5dB)信噪比范围内进行了计算机仿真实验。仿真实验结果表明:基于AR模型方法增强后语音得到了"白化",谐波结构的色噪声得到了有效地抑制,原始语音保留较好。     

一种基于自适应噪声估计的宽带语音增强算法

为解决传统算法对噪声适应性较差,残留音乐噪声较强的问题,本文提出了一种基于自适应噪声估计的宽带语音增强算法。该算法可应用于宽带语音编码器,以提升在噪声环境下的编码质量。本文所提算法利用谱熵对噪声类型进行有效的判别,将背景噪声分为白噪声和有色噪声两类,并根据噪声特性选择适当的噪声估计方法。在白噪声背景下,选择一种谱平滑的方法;在有色噪声背景下,则选择经典的最小值控制递归平均算法。在此基础上结合经典的统计模型方法,构建一种具有较强噪声鲁棒性的宽带语音增强算法。在ITU-T G.160标准下对算法进行性能测试,测试结果表明,在不同强度的背景噪声环境下,增强语音的信噪比提高都较为明显。同时,在低信噪比情况下,该算法有效的抑制了严重影响听觉质量的音乐噪声现象。      

改进的基于信号子空间的多通道语音增强算法

通过同时对角化麦克风阵列接收信号中语音信号和噪声信号的全局协方差矩阵,本文改进了一种基于信号子空间分解的多通道语音增强算法.该算法不依赖任何信号模型且无需对噪声信号的统计特性进行任何先验假定,它弥补了原始算法只限于白噪声背景下语音增强的不足,实现了色噪声背景下语音信号的最优估计.仿真结果表明本文算法在主观和客观测试中都具有良好的语音增强效果.     

一种基于信号子空间和听觉掩蔽效应的语音增强方法

提文推导了基于离散余弦变换(DCT)的子空间分解法对有色噪声背景下的语音进行增强的公式,用基于听觉掩蔽效应的感智滤波器对增强后的信号频谱进行平滑以抑制背景噪声。几种噪声背景下对增强语音的客观测试表明,本文提出的方法可以有效地减少语音信号的失真度。     

色噪声环境中TLS-ESPRIT谐波谱重构语音增强研究

为了提高语音在色噪声环境中的信噪比,提出了一种基于总体最小二乘旋转不变子空间技术（TLS—ESPRIT）谐波谱重构语音增强方法。通过对观察数据矩阵进行奇异值分解,有效地将信号及噪声分开。运用TLS—ESPRIT算法对语音谐波信号进行谱估计,重构语音信号,消除了帧与帧之间的噪声残留,得到了在巴克域上与原始语音几乎相同的语音信号。     

GSVD-based optimal filtering for single and multimicrophone speech enhancement

A generalized singular value decomposition (GSVD) based algorithm is proposed for enhancing multimicrophone speech signals degraded by additive colored noise. This GSVD-based multimicrophone algorithm can be considered to be an extension of the single-microphone signal subspace algorithms for enhancing noisy speech signals and amounts to a specific optimal filtering problem when the desired response signal cannot be observed. The optimal filter can be written as a function of the generalized singular vectors and singular values of a speech and noise data matrix. A number of symmetry properties are derived for the single-microphone and multimicrophone optimal filter, which are valid for the white noise case as well as for the colored noise case. In addition, the averaging step of some single-microphone signal subspace algorithms is examined, leading to the conclusion that this averaging operation is unnecessary and even suboptimal. For simple situations, where we consider localized sources and no multipath propagation, the GSVD-based optimal filtering technique exhibits the spatial directivity pattern of a beamformer. When comparing the noise reduction performance for realistic situations, simulations show that the GSVD-based optimal filtering technique has a better performance than standard fixed and adaptive beamforming techniques for all reverberation times and that it is more robust to deviations from the nominal situation, as, e.g., encountered in uncalibrated microphone arrays.     

基于自适应共轭梯度参数估计的顽健卡尔曼滤波语音增强算法

对于加性噪声影响下的语音信号，利用双通道输入建立起来的增广卡尔曼滤波器模型，采用自适应共轭梯度方法对纯净语音和有色噪声干扰模型分别进行参数估计，提出了一种有效的语音增强算法。由于该方法对模型参数的估计精确性较高，而且估计速度快，同卡尔曼滤波类的其它语音增强方法相比，其语音增强效果良好，且具有一定的顽健性。仿真实验表明在环境噪声很复杂的情况下，该方法仍然有效。     

一种DCT域的语音增强改进算法

提出了一种DCT域的语音增强改进算法。该算法依据DCT域语音分量和噪声分量统计分布的不同,采用最大后验概率估计方法对语音分量进行精确估计,实现将语音信号从噪声环境中分离出来,从而有效地改善语音质量。在低信噪比条件下,该算法可以有效降噪,且增强效果较频域增强算法更好。     

利用奇异谱分析的深度神经网络语音增强方法

针对现有深度神经网络语音增强方法对带噪语音的去噪能力有限、语音质量提升不高的问题，提出了一种基于奇异谱分析的深度神经网络语音增强方法。通过引入奇异谱分析算法对带噪语音进行预处理，以初步分离得到语音信号与噪声。接着将语音信号与噪声用于深度神经网络模型得训练，以得到性能更优的网络模型，从而使得本文方法具有更好的性能。最后在重建干净语音的环节中，同时使用神经网络估计得到的对数功率谱和带噪语音的对数功率谱，并加入了权重系数，使得本文提出的方法可以适应不同信噪比的情形，有效的去除背景噪声，降低语音信号的失真。本文通过仿真实验验证了该方法的有效性和鲁棒性。      

语音增强算法的研究与实现

语音增强算法也被称为噪声消除算法,在通信行业快速发展的现代社会,语音增强技术具有现实研究意义.首先介绍了算法的运行环境,即语音和噪声信号的特征.其次,对三种经典算法的原理、重要参数和运行框图进行了理论分析.最后以基于统计模型的语音增强算法作为例子进行仿真,验证了语音增强效果.