基于掩蔽效应的改进型自适应语音增强算法

在分析经典自适应滤波算法的基础之上提出了一种有效的消除噪声且减小语音失真的语音增强方法.为了进一步提高语音增强效果,根据人耳掩蔽效应把语音信号中关键频率段的阈值作为自适应滤波算法的动态系数,根据此系数估算误差函数.在Matlab上对此算法输入不同信噪比的信号,仿真结果表明:输出的信噪比明显高于传统滤波算法,且残留噪声较小.     

采用二阶特征窗的语音盲分离方法

利用语音信号的短时平稳特性,提出了一种二阶特征窗语音盲分离方法。该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响;用长度等于语音信号基音周期的等距特征窗连续分割预白化观测数据,在每个加窗的数据帧计算不同的时滞协方差矩阵。利用联合近似对角化时滞协方差矩阵集合得到旋转参数,最终达到语音信号的盲分离。该方法消除了有色噪声的影响,只需用到二阶信息就能很好地分离语音信号。仿真实验验证了该方法的有效性。     

一种噪声谱快速跟踪的语音增强方法

提出了基于多窗谱法和小波阈值法对带噪语音的短时功率谱进行估计的语音增强改进方法．针对软、硬阈值法自身的缺点，采用了一种改进方法，即模平方处理方法．噪声估计过程中通过跟踪带噪语音帧来更新噪声估计．仿真结果表明，本文提出的方法能够快速跟踪突变噪声，具有较强的降噪能力．把此算法综合到语音增强中时，其增强性能要好于STSA-MMSE算法．     

一种噪声谱快速跟踪的语音增强方法

提出了基于多窗谱法和小波阈值法对带噪语音的短时功率谱进行估计的语音增强改进方法.针对软、硬阈值法自身的缺点，采用了一种改进方法，即模平方处理方法.噪声估计过程中通过跟踪带噪语音帧来更新噪声估计.仿真结果表明，本文提出的方法能够快速跟踪突变噪声，具有较强的降噪能力.把此算法综合到语音增强中时，其增强性能要好于STSA MMSE算法.     

非平稳噪声环境下的语音增强算法

文章针对非平稳噪声环境和低信噪比的情况,提出了一种基于低频区和高频区带噪语音特性的非平稳噪声估计,并结合人耳听觉掩蔽效应进行语音增强的算法。该算法首先通过非平稳噪声估计为加窗后的每一帧语音构造一个时变的权值实现对噪声的实时估计,然后结合人耳听觉特性计算出每一帧语音的不同Bark域的噪声掩蔽阈值,最后利用计算出的噪声掩蔽阈值自适应设定语音增强系数。仿真结果表明,该算法在抑制背景噪声,提高信噪比,减少语音失真等方面优于传统的语音增强方法。     

基于短时平均幅度差函数的带噪语音端点检测算法

传统的基于自相关函数的端点检测算法有两个方面的问题,一是计算量大,二是要进行语音信号基音周期的提取.提出了一种改进的方法,用短时平均幅度差函数代替自相关函数,节约了计算量;利用浊音与噪声平均幅度差函数的区别省去了基音周期的计算,同时也避免了误差带来的问题.传统算法与改进算法的仿真比较表明,改进算法的检测曲线噪声容限大,所以在低信噪比下也表现出了较强的稳定性.     

基于自适应阈值的提升小波去噪方法

鉴于传统的去噪算法中的阈值很难选取到最优值,设计了自适应的阈值选取器,结合最小均方算法和小渡阈值去噪算法,提出了一种基于LMS算法的小波去噪方法.该方法根据LMS算法来自适应地控制阈值参数,并实现提升小波阈值去噪.仿真结果表明,该方法优于传统去噪方法,可较大程度地减少信号中的噪声,提高输出信号的信噪比,能很好地提取有用信号的特征.     

利用子空间改进的K-SVD语音增强算法

在低信噪比的情况下,稀疏表示无法将纯净语音完全从带噪语音中分离出来,针对此问题提出了一种利用子空间改进的K奇异值分解语音增强算法．首先,利用子空间最优估计器跟踪噪声; 其次,通过K奇异值分解算法对噪声进行训练,构建出噪声字典; 最后,用K奇异值分解算法训练语音字典．在训练过程中,如果某个原子对应的稀疏系数低于设定的阈值,并且该原子可在训练得到的噪声字典中找到,就把该原子对应的稀疏系数设为零,即可达到去噪的目的．仿真结果表明,改进算法去除白噪声和babble噪声的效果显著,有效提高信噪比和减少语音失真,同时,该算法也可以很好地应用于消除随机噪声．     

基于离散余弦变换的语音增强

在进行余弦变换时，语音信号主要分布在余弦系数的低频区域，而随机噪声主要分布在高频区域．鉴于此特点，给出了一种基于离散余弦变换的阈值语音增强方法．利用余弦系数的高频区估计噪声得到阈值，对DCT阈值化，利用信噪比估计值和语音出现概率对算法做了进一步的改进，增强了算法的去噪能力．实验结果表明，该方法为有效的语音增强方法．     

改进的基于听觉掩蔽特性的语音增强

该文利用人耳感知的掩蔽特性,研究了一种改进的基于人耳听觉掩蔽特性的语音增强方法。该方法改进了对含噪语音中噪声的估计,即在估计噪声时,先在帧上判断语音的有无,然后在频率点上判断语音的有无,最后再从感知的角度,利用估计出的语音信号计算掩蔽阈值,以此在时域和频域上合理地调整增强系数。仿真结果表明,该方法不仅使信噪比有较大的提高,而且减少了语音失真,同时也很好地抑制了背景噪声和残余音乐噪声。     

基于时域滤波多频段谱减法的语音增强

传统的多频段语音增强是将频域分割成各个频段,并对每个频段单独进行语音增强,但是因为相邻频带的共振峰影响清晰语音估计,导致了语音识别效果不理想,为了减少相邻频带的共振峰带来的影响,提出了一种时域滤波中多频带语音增强的方法,通过将时域中的未处理语音过滤成各种等效的基于矩形带宽的子带,然后在每个频带中使用基于离散余弦变换(DCT)谱减法来估计清晰语音,并结合使用各个频带信噪比(SNR)获得频带特定加权因子。在SNR为0~10d B的汽车噪声、餐厅噪声、列车噪声、白色噪声和工厂噪声的环境下基于时域多频段语音增强算法增强效果优于现有的技术。     

基于时频增强和谱熵的语音端点检测技术

该文提出了基于时频增强和谱熵的语音端点检测算法。该算法对带噪语音在频域利用谱减法去除宽带加性噪声，在时域去除由谱减带来的残差噪声从而对语音进行了增强。对增强后的语音利用谱熵特征进行端点检测。实验结果表明，该算法快速有效，具有较强的抗噪能力，特别适合低信噪比的语音端点检测。     

基于小波变换和归一化自相关的基音检测算法

通过对小波变换的多分辨率分析和抗噪特性的研究,提出了一种基于小波变换和归一化自相关的基音周期检测算法。该算法能精确地从含噪语音中分离出包含基音信息的低频子带信号,并且对基音周期的突变能够很好地纠正。实验表明:该算法要优于现有的自相关基音检测算法,具有较高的精度、可靠性和抗噪性。     

基于Teager能量算子的语音激活检测

针对大多数语音激活检测(VAD)方法在低信噪比情况下性能急剧恶化的情况,提出了一种基于Teager能量算子(TEO)的语音激活检测方法.它能结合语音增强技术,应用Teager能量算子进行自适应门限判决.实验结果表明,在低信噪比的情况下,该方法能够随着环境自适应门限,具有较高的准确率和稳定性,简单有效.     

基于极值域均值模式分解和独立分量分析的语音增强方法

提出一种基于极值域均值模式分解与独立分量分析相结合的低信噪比语音增强算法,解决更多噪声环境下低信噪比语音信号增强问题.该算法的核心思想是:利用独立分量分析的特点,分离出选取的固有模态分量的固有特性,消除信息混淆.通过最大相似度,筛选出需要处理的固有模态分量,对其进行独立分量分析,使噪声特性能够进一步集中,提高最大相似度,这样更有利于噪声的滤除.由于独立分量分析存在幅值、位置的不确定性,所以对滤波后的独立分量要进行二度重构,即独立分量分析重构和极值域均值模式分解重构,得到增强后结果.     

Speech enhancement using improved phase spectrum compensation

The typical phase spectrum compensation method has the negative enhancement performance in a low SNR,so the improved phase spectrum compensation method is proposed for this problem. First, the algorithm compensates the speech spectrum through the phase compensation function obtained by calculating the signal to noise ratio of each frame; second, by the new speech presence probability algorithm to estimate the noise power spectral density; finally, we apply the new phase spectrum and the estimated noise in the wiener filter. Simulation results show that the improved algorithm proposed in this paper can effectively improve the ability of voice systems to remove noise especially in a low SNR.     

基于自适应提升小波变换的语音增强算法的研究

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.Sweldens等人引入了基于提升法的小波变换,也称为第二代小波变换.提升法是一种柔性的小波构造方法,它可以使用许多线性,非线性或者空间变化的预测和更新算子,而且可以确保变换的可逆性.该文讨论强背景噪声下的基于自适应提升小波变换的语音增强方法,并与自相关相减法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声同时保持语音信号较好的可懂度.