语音增强:使用burg谱先验信噪比估计消除"音乐噪声"

针对谱衰减增强算法中存在的"音乐噪声"问题,提出一种新的估计先验信噪比的方法.文章深入分析了谱衰减算法中"音乐噪声"的产生原因和抑制机理,并基于对先验信噪比的平滑,准确性和分辨率三者之间的关系以及它们对增强算法的影响等方面的综合考虑,选择burg方法结合直接判决准则进行估计,从而得到更加接近于真实情况下的先验信噪比.实验证明,在最小均方误差(MMSE)和对数谱最小均方误差(LSA-MMSE)增强算法中使用文章提出的先验信噪比估计,可以有效抑制"音乐噪声",同时,语音失真也进一步降低.     

基于短时谱最小均方误差估计的语音增强和剩余噪声衰减

本文研究了三种基于语音短时谱最小均方误差估计的语音增强方法:短时谱幅度最小均方误差估计,短时对数谱最小均方误差估计和短时相对谱幅度最小均方误差估计,在理论分析基础上对它们进行了实验研究.计算机仿真结果表明,在加性白色高斯噪声污染下,当带噪语音信噪比为+5～-10dB时,处理后的语音信噪比提高了3.4～12dB。短时对致谱最小均方误差估计的效果最好,试听实验也证实了这一点。 文中还对增强后剩余噪声的衰减问题进行了研究。利用中心削波并对估值器中的增益函数进行修正,可明显地减弱剩余噪声。     

基于实值离散Gabor变换的联合时频域语音增强

传统变换域语音增强方法对语音做短时平稳性假设,这会造成对语音信号和噪声信号谱估计不准确,从而导致语音失真和残留噪声。本文提出一种从联合时频域进行语音增强的方法,该算法无需对语音做短时平稳假设。算法采用具有最佳能量聚集特性的高斯变换核函数,利用能快速实现的实值离散Gabor变换（RDGT）将语音信号变换到联合时频域,然后利用语音和噪声谱服从高斯分布的假设和无语音概率的思想进行基于最小均方误差的语音对数谱估计,采用改进的最小受控递归平均算法（IMCRA）进行噪声时频谱估计,在得到纯净语音的谱估计后利用实值离散Gabor逆变换获得纯净语音估计。实验表明,该算法相比频域变换算法具有较好的语音去噪度和较低的语音失真度。      

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。     

一种基于后验信噪比频域语音增强方法的研究

谱减法是常用的单通道语音降噪方法,传统谱减法在抑制背景噪声的同时引入了“音乐噪声”,影响听觉效果。为了抑制音乐噪声,提出了一种基于后验信噪比的频域语音增强新方法,当后验信噪比较高时,采用基于后验信噪比的谱减法增强语音信号;当后验信噪比较低时,采用基于后验信噪比的谱衰减方法对含噪语音信号谱线进行衰减,达到语音增强的目的。仿真结果表明,基于后验信噪比的频域语音增强法具有较好的背景噪声和音乐噪声抑制效果,并保持了较好语音可懂度。     

一种MMSE语音增强算法的研究与实现

介绍了单话筒采集条件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,以及语音帧和噪声帧判别的有声/无声检测方法.将语音信号的相位提取后存储起来,然后对纯净语音的短时对数谱作最小均方误差估计,处理后的语音由估计得到的幅度谱和存储的相位重建.试验证明MMSE-LSA的增强效果很好,尤其在信噪比低时更为明显.     

基于独立成分分析的双麦克阵列语音增强算法

提出了利用频域的独立成分分析（Independent components analysis）算法分离语音信号和噪声信号,达到抑制噪声的效果.并且,针对ICA算法在噪声源集中的环境中效果较好,在噪声源分散的环境中性能有所退化的情况,基于时域带噪信号的ICA算法提出频域带噪信号的ICA算法.最后利用最小均方误差估计谱幅度算法（Minimum mean square error）去除残留噪声,达到较好的语音增强效果.通过大量的实验数据测试,文中提出的基于ICA和MMSE短时谱幅度估计的双麦克语音增强算法在不同信噪比（Signal to Noise Ratio）下,都取得了良好的降噪效果.     

基于深度神经网络的语音增强研究

由于目前语音增强方法或算法难以对语音频谱在时频域上的结构化信息进行有效建模和利用。然而,深度学习中的RBM、DNN等模型擅长对数据中的结构化信息进行建模,而且具有从数据的低层结构化信息提取更高层的结构化信息的能力。基于分类深度神经网络的语音增强,该方法对于低信噪比非平稳语音增强可得到高可懂度的增强语音,但语音音质损失严重。基于DNN的最小均方误差回归拟合语音增强方案,该语音增强方案还说明大语音数据训练能保证DNN较充分学习到噪声语音谱和干净语音谱之间复杂的非线性关系。     

一种改进型MMSE语音增强方法

本文提出了一种改进型语音短时谱最小均方误差(MMSE)估计的增强方法。通过在每一帧及帧内每一频点对无音的概率(SAP)进行估计,得到Ephraim和MalahMMSE估计算法的改进形式。对增强后的语音客观和主观测试表明:在低信噪比条件下,相对于传统的谱减法和MMSE估计方法,这种改进的方法能更好的抑制背景噪声和残留的“音乐噪声”。     

基于噪声整形的语音去噪算法

针对非平稳环境噪声提出一种基于噪声整形的语音去噪算法.该算法以最小感知均方误差为准则,在Wiener滤波的基础上,采用听觉感知加权函数修正Wiener滤波方程,实现对噪声谱整形,使噪声谱分布特性跟随语音谱而变:同时引入频率补偿因子克服非平稳噪声谱对语音影响的不均匀性;采用快速噪声估计算法实现对非平稳的估计.实验表明,该算法能更有效地抑制背景噪声,提高了去噪后的语音质量.     

CO-OFDM系统中基于卡尔曼滤波对相位噪声补偿算法的研究

基于卡尔曼滤波提出了两种相干光正交频分复用(CO-OFDM)系统的相位噪声补偿算法,这两种算法在发射端的时域均插入导频,并在接收端对导频进行卡尔曼滤波,最后利用插值算法补全全部子载波的相位噪声.仿真结果表明,基于最小均方误差(MMSE)准则的判决反馈算法在相位噪声比率为10-1时,系统误码率约为10-4,并且出现了错误平层,而基于卡尔曼滤波所提出的两种相位噪声算法在大相位噪声的情况下仍然具有较好性能且能有效地降低错误平层,因而所提出的相位噪声补偿算法能改善CO-OFDM系统的性能.     

Improved Frequency Domain Channel Estimation and Equalization for MIMO Wireless Communications

This paper introduces an improved frequency domain channel estimation method based on interpolation vectors for single carrier frequency domain equalization (SC-FDE) with the multiple-input multiple-output (MIMO) scheme. The proposed algorithm is derived by employing the least squares (LS) criterion, and a specified application for the wide sense stationary uncorrelated scattering (WSSUS) Rayleigh fading channel is presented. The channel frequency domain responses estimated at two adjacent pilot blocks are used to track the time-variant channel information, which can effectively improve the accuracy of channel estimation without significantly increasing complexity. Maximum mean square error (MMSE) frequency domain equalization based on the estimated channel is employed in the receiver to recover transmitted signals. This paper also investigates a training sequence design method for multiple transmit antennas and a noise variance estimation method. Numerical simulation results show that the proposed methods can perform very well for fading channels with long multipath delay and high Doppler spread.     

Analysis of low-complexity windowed DFT-based MMSE channelestimator for OFDM systems

Low-complexity windowed discrete Fourier transform (DFT)-based minimum mean square error (MMSE) channel estimators are proposed and analyzed for both the interpolation and noninterpolation cases for orthogonal frequency-division multiplexing (OFDM) mobile communications systems. In the proposed method, the frequency domain data windowing is used to reduce the aliasing errors for the interpolation case and get better noise filtering performance for the noninterpolation case. The time domain MMSE weighting is also used to suppress the channel noise for both cases. Moreover, the optimal generalized Hanning window shape is searched to minimize the channel estimation mean square error (MSE). Analysis and simulation results show that the proposed method performance is close to the optimal MMSE estimator and is much better than the direct DFT-based estimator for both cases. Compared with the optimal MMSE estimator, however, the computation load of the proposed method can be significantly reduced because the IDFT/DFT transforms can be implemented with the fast algorithms IFFT/FFT     

一种基于最小统计噪声估计的改进谱减法

针对传统最小统计噪声估计谱减法在低信噪非平稳噪声环境下存在的噪声估计误差较大及搜索延迟较大的问题,对带噪语音进行频域平滑然后进行全局平滑,并且提出使用双向搜索的方法,减小了搜索延迟.实验结果表明,文中提出的方法有效地实现了语音增强,具有一定的使用价值.     

一种适用于DCO-OFDM系统的DFT信道估计算法

针对直流偏置光正交频分复用系统中传统离散傅里叶变换(DFT)信道估计算法运算复杂度高和循环前缀(CP)内存在非有效信道系数的问题,提出厄米特对称的DFT(H-DFT)阈值改进信道估计算法。首先,根据信道时域响应变换到频域满足厄米特对称的性质,只需对有效子载波的信道频域响应做厄米特对称即可获得全部子载波的信道频域响应;其次,根据CP外噪声的平均功率对CP内的信道抽头数据设置阈值来滤除CP内的噪声。仿真结果表明:与传统DFT信道估计算法相比,H-DFT阈值改进信道估计算法有效降低了运算复杂度,在误比特率和均方误差方面也得到了明显的改善。     

一种小波自适应阈值全频降噪方法

目前的基于小波阈值降噪方法往往假设信号的噪声分布在高频段,因此大部分方法只对高频段进行降噪,而忽略了低频段噪声对信号的影响.在现实的应用中,复杂的噪声并不满足该假设条件,也即复杂噪声不仅分布在信号的高频段,而且低频段的噪声同样不容忽视.针对上述问题,论文提出了一种全新的解决方案:小波自适应阈值全频降噪方法.在该方法中,根据不同类型的噪声随小波分解层数、噪声强度等因素变化规律,提出了一种新的自适应阈值确定方法;然后利用小波去相关性方法来检测信号受到的最主要的噪声干扰;最后结合噪声类型检测方法,检测信号中所隐含的最接近的噪声类型,选取合适的阈值确定方法,对信号的低频和高频同时进行降噪.论文的实验结果表明:(1)当信噪比较低时,采用全频降噪方法对大部分类型的噪声而言均优于传统方法,并且全频降噪方法仅需要信号分解到1~2层即可取得良好效果;(2)当信噪比较高时,全频阈值降噪技术的降噪效果和传统方法一致,但所需小波的分解层数少于传统方法.     

基于FrFT域滤波的灵巧噪声干扰抑制方法

基于数字射频存储器(DRFM)的灵巧噪声干扰兼具压制式干扰效果和欺骗式干扰效果,难以被传统抗干扰方法有效抑制。针对这一问题,本文结合分数阶傅里叶变换(FrFT)与分数阶域滤波方法,提出了一种线性调频脉冲压缩雷达体制下的灵巧噪声干扰抑制方法。首先对接收信号进行分数阶傅里叶变换,随后根据发射信号在分数阶域的特征参数,设计分数阶域滤波器,对接收信号进行分数阶域滤波以滤除干扰,最后进行分数阶反变换还原目标信号。仿真结果表明,该方法能够对卷积噪声干扰与乘积噪声干扰两种典型的灵巧噪声干扰进行有效抑制,准确检测目标的位置。      

OFDM中联合IQ不平衡和相位噪声估计补偿新算法

正交频分复用(OFDM)系统中的非理想特性对系统性能影响很大,针对非理想特性中的两个主要部分:同相支路和正交支路(IQ)间的不平衡及相位噪声,提出了一种新的相位噪声和IQ不平衡联合估计算法。该算法首先由一个训练符号利用简单的最小二乘(LS)准则在频域估计出IQ不平衡和相位噪声的复合参数,并从中分离得到IQ不平衡估计值,然后利用估计出的IQ不平衡参数在时域对数据符号做IQ不平衡补偿,最后对IQ不平衡补偿后的数据在频域做相位噪声公共相位误差(CPE)和子载波间干扰(ICI)的估计和补偿。理论分析和仿真结果表明,该算法能简单有效的补偿IQ不平衡和相位噪声带来的性能损失。     

改进的EEMD算法在时域航空电磁信号降噪中的研究

常规降噪方法在应用于时域航空电磁信号降噪时需根据噪声情况人为进行参数调整,自适应性较差。总体经验模态分解（EEMD）算法对非线性、非平稳信号处理具有良好的自适应特性,传统的EEMD算法进行噪声抑制是将高频本征模态分量滤除,将低频分量重构得到降噪信号,这种方法易失掉高频分量中的有效信号。本文提出一种改进的EEMD降噪算法,应用于时域航空电磁信号的处理。该方法结合时域航空电磁信号的衰减特性,将信号EEMD分解后得到本征模态分量,其中包含信号和噪声,经Savitzky Golay平滑滤波,再将高频部分进行阈值去噪,最后得到干净的本征模态分量进行重构。实验结果表明在输入信号信噪比小于等于15 dB的情况下,输出信噪比能够提高12 dB左右,在抑制噪声的同时保留了更多有效信息。