基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。     

噪声环境下语音信号端点检测算法的研究与改进

端点检测是语音识别申的一项关键技术，端点检测的准确性对语音识别的性能有很大影响。论文对基于短时能量和短时过零率及基于LPC倒谱特征的端点检测算法进行了研究，给出改进的基于LPC美尔倒谱特征的端点检测算法，并通过实验证明其在低信噪比下具有较好的检测性能。随着语音识别技术的发展，这种算法在实际应用中的高效率、实时、准确性会逐渐显现出。     

语音频谱分析与应用

语音信号频谱分析包含极其丰富的内容。本文介绍了语音的短时谱、LPC谱、倒谱、LPC倒谱等多种常用频谱的概念;分析比较了上述频谱各自的特性及相互关系,并用软件编程实现计算机仿真;讨论各种频谱的实际应用。     

基于MMSE-LSA语音增强算法在非平稳环境下的研究与实现

讨论了非平稳环境下基于语音短时对数谱的最小均方误差(MMSE-LSA)估计的语音增强算法.众所周知,语音信号为时变信号,在假设语音频谱分布为高斯分布的前提下,实验的工作重点是将MMSE-LSA算法与其它语音增强算法(以谱相减的语音增强为例)比较.实验结果表明:该MMSE-LSA算法的语音增强效果很好,特别是在信噪比低时的非平稳环境下效果更为明显.     

用于语音动画合成的语音特征提取和聚类技术

在基于图像的人脸语音动画合成过程中,为了保证音频帧和视频帧的精确映射关系,需要提取鲁棒的语音信号特征参数,并对特征参数聚类。本文介绍了直接从原始语音信号中提取LPC复倒谱及短时能量组成特征矢量的方法,以及对特征矢量进行聚类的方法。     

一种基于正弦激励的线性预测模型的语音转换方法

在正弦激励模型的线性预测(LP)残差转换的基础上,提出了一种改进语音特征转换性能的语音转换方法.基于线性预测分析和综合的构架,该方法一方面通过谱包络估计声码器提取源说话人的线性预测编码(LPC)倒谱包络,并使用双线性变换函数实现倒谱包络的转换;另一方面由谐波正弦模型对线性预测残差信号建模和分解,采用基音频率变换将源说话人的残差信号转换为近似目标说话人的残差信号.最后由修正后的残差信号激励时变滤波器得到转换语音,滤波器参数通过转换得到的LPC倒谱包络实时更新.实验结果表明,该方法在主观和客观测试中都具有良好的结果,能有效地转换说话人声音特征,获得高相似度的转换语音.     

非平稳噪声环境下结合听觉掩蔽的语音增强

针对现有语音增强算法面临残留噪声这一问题,提出一种结合人耳听觉掩蔽的改进算法。将MMSE-LSA谱估计法和一种最优感知增强滤波器融入一个两极语音增强算法框架,利用人耳听觉掩蔽去除残留噪声;给出算法实施的具体步骤和最优感知滤波器的理论推导。实验结果表明,在非平稳噪声环境下,该算法可以有效降低语音失真和残余噪声,提升增强语音信号的主观和客观质量。     

语音识别ASIC中端点检测算法研究与实现

提出基于短时能量和过零率的简化语音信号双门限端点检测算法,搭建Matlab的算法仿真平台,实验结果表明,基于短时能量和过零率的双门限端点检测算法在保证检测率的前提下,运算复杂度和运算量均优于倒谱、分形、加权门限端点检测方法。采用Verilog语言完成了该模块的设计和仿真,并成功应用于孤立词语音识别系统中。该语音识别系统采用定点数设计方式,语音信号的采样频率为8kHz,每次采样的数据为8bits,晶片内部稳定工作频率为20MHz。实验结果表明,在200个词源的条件下,平均可以达到90%以上的识别效果。     

基于自适应超高斯混合模型的语音增强算法

摘要：语音信号的频谱结构复杂性决定了其短时谱分布不能用单一的概率密度函数(probability density function; PDF )准确描述,据此,本文提出了一种采用超高斯混合模型对语音信号幅度谱建模以实现语音增强的新方法。首先,采用超高斯混合模型对语音信号幅度谱的先验分布进行建模,相对于传统的单一模型,该模型能更好地描述语音信号的多类特性;然后,在增强过程中自适应更新混合分量的PDF及其权重,从而克服了传统模型难以跟踪语音信号分布动态变化的缺点。仿真结果表明与传统的短时谱估计算法相比,该算法的噪声抑制性能有较大的提升,增强语音的主观感知质量也有明显改善。     

基于清浊音状态空间模型语音增强算法

基于语音状态模型的语音增强算法是当前语音信号处理的研究热点。把通常的LPC语音模型修正后,将得到两个语音模型:时变AR模型、时变双AR模型。但是利用这些模型增强语音时,都没有考虑到语音的清音、浊音区别。为此本文引入了语音清浊音状态空间模型,这种模型在描述语音方面比时变AR模型、时变双AR模型要强,而且物理含义明显。同时在用含噪语音信号预测纯净语音信号时,引入遗忘因子和粒子滤波算法以降低计算复杂性,减小运算量。实验证明,增强后的语音信号信噪比有一定提高,且优于传统的LPC模型。     

基于奇异谱分析和维纳滤波的语音去噪算法

针对维纳滤波算法对非平稳语音信号去噪存在的信号失真、信噪比(SNR)不高的问题,提出了一种奇异谱分析(SSA)和维纳滤波(WF)相结合的语音去噪算法SSA-WF。通过奇异谱分析将非线性、非平稳的语音信号初步去噪,提高含噪语音的信噪比以获取尽可能平稳的语音,并将其作为维纳滤波的输入,以剔除其中仍存在的高频噪声,最终获取纯净的去噪语音。在不同强度的背景噪声下进行仿真实验,结果表明SSA-WF算法在SNR和均方根误差(RMSE)等方面都要优于传统的语音去噪算法,能够有效去除背景噪声,降低有用信号的失真,适用于非线性、非平稳语音信号的去噪。     

因特网上语音传输中静音抑制算法的研究

主要介绍了应用于语音压缩及多媒体处理技术中静音抑制算法,并通过该算法中语音检测算法和噪声发生器算法,以实现降低语音间隙的发送比特率,实现非连续发送。     

INTERNET上语音通信压缩算法中静音处理问题研究

主要介绍了应用于语音压缩及多媒体技术中静音抑制算法,并通过该算法中语音检测算法和噪声发生器算法,以实现降低语音间隙的发送比特率,实现非连续发送。     

基于小波包与自适应维纳滤波的语音增强算法

语音增强主要用来提高受噪声污染的语音可懂度和语音质量,它的主要应用与在嘈杂环境中提高移动通信质量有关。传统的语音增强方法有谱减法、维纳滤波、小波系数法等。针对复杂噪声环境下传统语音增强算法增强后的语音质量不佳且存在音乐噪声的问题,提出了一种结合小波包变换和自适应维纳滤波的语音增强算法。分析小波包多分辨率在信号频谱划分中的作用,通过小波包对含噪信号作多尺度分解,对不同尺度的小波包系数进行自适应维纳滤波,使用滤波后的小波包系数重构进而获取增强的语音信号。仿真实验结果表明,与传统增强算法相比,该算法在低信噪比的非平稳噪声环境下不仅可以更有效地提高含噪语音的信噪比,而且能较好地保存语音的谱特征,提高了含噪语音的质量。     

一种基于LPC距离的端点检测改进算法

线性预测编码系数是能反应人类语音信号的重要特征,在安静环境下或信噪比较高的情况下,基于线性预测编码系数可以对语音信号进行准确的端点检测和语音识别。针对嵌入式设备资源和成本有限的情况,提出了一种基于线性预测编码系数距离的端点检测改进算法,在分帧阶段,引入动态调整窗长的方法,减少计算量,在语音和非语音的过渡段使用较小的窗长,增加检测的准确度。实验结果证明,改进后的算法能更加准确的区分语音和非语音段,更适合应用于噪声较强的情况下。     

改进相位谱补偿的语音增强方法

针对传统单通道语音增强方法中用带噪语音相位代替纯净语音相位重建时域信号，使得语音主观感知质量改善受限的情况，提出了一种改进相位谱补偿的语音增强算法。该算法提出了基于每帧语音输入信噪比的Sigmoid型相位谱补偿函数，能够根据噪声的变化来灵活地对带噪语音的相位谱进行补偿；结合改进DD的先验信噪比估计与语音存在概率算法（SPP）来估计噪声功率谱；在维纳滤波中结合新的语音存在概率噪声功率谱估计与相位谱补偿来提高语音的增强效果。相比传统相位谱补偿（PSC）算法而言，改进算法可以有效抑制音频信号中的各类噪声，同时增强语音信号感知质量，提升语音的可懂度。     

多通道助听器语音降噪算法研究

维纳滤波算法是改善噪声环境下听障患者语音理解度的常用算法之一。针对传统维纳滤波算法噪声谱估计偏差大的问题,提出一种基于改进的多通道维纳滤波算法的助听器语音降噪算法。算法首先结合人耳听觉特性和助听器响度补偿的特点,将语音信号进行Gammatone分解为多路子带信号。然后在每个子带内用基于先验信噪比估计的维纳滤波器进行语音增强处理。最后通过综合子带信号,得到增强的语音。此外,为了改善维纳滤波算法噪声谱估计的问题,提出一种基于包络估计的语音活动检测算法,并用于改善维纳滤波性能。实验结果表明,与传统维纳滤波法相比,该方法能更有效地抑制残留噪声,提高语音可懂度,具有较高的实用价值。     

滤波器组自适应语音增强方法

双麦克风噪声抵消应用中,由于交叉串的存在,传统自适应算法降噪性能受到很大的影响。为了提高双麦克风算法降噪性能,使用两级自适应滤波系统消除交叉串扰问题。为提高自适应滤波器收敛性能,采用主从结构LMS算法自适应调节步长因子。同时为了适合窄带处理算法,将输入信号进行子带分析预处理,对每个子带独立进行抗交叉串绕自适应处理,将各子带增强信号合并得到增强语音信号。实验结果表明,该方消噪量大,语音损伤小,语音增强效果显著。     

基于谱减法的语音增强方法及其在ARM中的应用

随着嵌入式设备的应用越来越广泛,语音信号处理系统在嵌入式平台中的应用也越来越重要.谱减法作为一种经典的语音增强算法,以其可实时应用的特点,在语音信号处理中为保证信号的质量提供了一种很好的解决方案.噪声估计在传统方法基础上采用最小值跟踪的噪声算法,用C++语言编程实现,并将算法移植到ARM开发板,算法有效地减小了噪声,为...