共查询到18条相似文献,搜索用时 231 毫秒
1.
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。 相似文献
2.
3.
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%。 相似文献
4.
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。 相似文献
5.
6.
《信息技术》2017,(11)
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。 相似文献
7.
一种低信噪比语音的增强算法 总被引:2,自引:0,他引:2
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。 相似文献
8.
9.
10.
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。 相似文献
11.
12.
13.
14.
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. 相似文献
15.
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。 相似文献
16.
17.
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。 相似文献