新型几何谱减语音增强方法

针对几何谱减算法在处理快速变化的语音时产生语音畸变的缺点,提出一种基于最小均方误差算法估计每帧语音信号的每一个频率分量上的平滑系数,产生自适应帧频率分量平滑系数代替固定值的平滑系数来估计先验信噪比,从而得到更加接近于真实情况的先验信噪比。通过计算板仓-斋藤距离,及利用仿真波形图、语谱图对算法进行客观测试,结果表明新算法相对其他谱减法在相同的去噪度下,语音畸变度最小且几乎察觉不到音乐噪声;特别是在低信噪比非平稳环境下,相对其他谱减法的优势更加显著。     

基于多特征融合与动态阈值的语音端点检测方法

在低信噪比及非平稳的噪声环境下,传统基于特征的语音端点检测方法检测正确率低、稳定性差。为此,提出一种新的语音端点检测方法。通过对含噪语音进行谱减法降噪,提取谱减后的语音信号与前导无话帧的M FCC倒谱距离特征,计算均匀子带频带方差特征,并对阈值进行动态更新,利用双参数双门限法对带噪语音进行端点判定。实验结果表明,与基于DWT-MFCC倒谱距离、基于谱减法和均匀子带频带方差的端点检测方法相比,该方法具有较高的检测正确率及较低的漏检率与误检率。     

一种基于谱减的语音增强算法改进

为进一步降低噪声对采集语音的干扰,提出了一种新的谱减改进方法。采用阈值法对非平稳背景噪声信号进行估计,计算出先验信噪比,得到还原的纯净语音信号。用MATLAB实现了整个算法的仿真,并与传统谱减法结果相比较,仿真结果表明,该算法对非平稳噪声追踪性较好,在抑制背景噪声,减少音乐噪声前提下,提高了语音的可懂度,其计算复杂度也可以接受。     

基于谱减法的装甲车辆语音降噪研究

为降低装甲车辆内部强噪声对话音通信的影响,结合Mel算法、频率短时能量差、听觉掩蔽效应和经过改进的谱减法,提出了一种语音激活检测和语音增强方法,对传统谱减法噪声估计不精确和语音失真等问题进行了改进.该方法采用Mel频率对带噪语音进行语音激活检测,对噪声进行保守估计,替代一般谱减法采用的噪声统计均值.结合听觉掩蔽阈值对谱减法的相关系数进行动态调整,避免传统算法系数保持不变的不合理性.实验结果表明,该方法能很好抑制音乐噪声,提高带噪语音信噪比,改善语音的清晰度和可懂度.     

基于级联式改进型谱减算法的语音去噪技术研究

在研究基本谱相减法的基础之上,提出了一种级联式改进型谱减算法。通过适当调整三个基本谱减系数值的大小和多次级联谱相减的处理方式,该方法有效的去处了含噪语音中的环境噪声和由谱减法引起的"音乐噪声",从而取得了良好的语音去噪效果,同时也为语音增强技术的研究提供了重要参考。     

拉普拉斯分布下的MMSE谱减语音增强算法

针对基于高斯分布的谱减语音增强算法,增强语音出现噪声残留和语音失真的问题,提出了基于拉普拉斯分布的最小均方误差（MMSE）谱减算法。首先,对原始带噪语音信号进行分帧、加窗处理,并对处理后每帧的信号进行傅里叶变换,得到短时语音的离散傅里叶变换（DFT）系数;然后,通过计算每一帧的对数谱能量及谱平坦度,进行噪声帧检测,更新噪声估计;其次,基于语音DFT系数服从拉普拉斯分布的假设,在最小均方误差准则下,求解最佳谱减系数,使用该系数进行谱减,得到增强信号谱;最后,对增强信号谱进行傅里叶逆变换、组帧,得到增强语音。实验结果表明,使用所提算法增强的语音信噪比（SNR）平均提高了4.3 dB,与过减法相比,有2 dB的提升;在语音质量感知评估（PESQ）得分方面,与过减法相比,所提算法平均得分有10%的提高。该算法有更好的噪声抑制能力和较小的语音失真,在SNR和PESQ评价标准上有较大提升。     

基于听觉掩蔽效应的多频带谱减语音增强方法

为了减小传统谱减法引入的音乐噪声,提出了一种将多频带谱减和听觉掩蔽效应相结合的语音增强算法.用加权递归平滑的方法估计噪声的功率谱,对带噪的语音信号进行多频带谱减,计算听觉掩蔽阈值,再根据掩蔽阈值动态地调节谱减因子,通过增益函数得到增强后语音信号的频谱.仿真实验结果表明,与传统的谱减法相比,该算法在信噪比较低情况下,背景噪声和残余噪声得到了有效的抑制,语音信号的清晰度和可懂度也有了明显提升.     

基于谱熵噪声估计的改进减谱法

为优化基本减谱法在低信噪比下的性能,必须对噪声进行更为准确的估计。提出一种基于谱熵噪声估计的改进减谱法,通过谱熵值估计每一帧语音的噪声,利用减谱法减去噪声以达到降噪的目的。实验结果表明,该方法与传统消噪方法相比,在不同噪声环境下均能取得较好的去噪效果。     

基于语音存在概率和听觉掩蔽特性的语音增强算法

低信噪比下,谱减语音增强法中一直存在的去噪度、残留的音乐噪声和语音畸变度三者间均衡这一关键问题显得尤为突出。为降低噪声对语音通信的干扰,提出了一种适于低信噪比下的语音增强算法。在传统的谱减法基础上,根据噪声的听觉掩蔽阈值自适应调整减参数,利用语音存在概率,对语音、噪声信号估计,避免低信噪比下端点检测(VAD)的不准确,有更强的鲁棒性。对算法进行了客观和主观测试,结果表明：相对于传统的谱减法,在几乎不损伤语音清晰度的前提下该算法能更好地抑制残留噪声和背景噪声,特别是对低信噪比和非平稳噪声干扰的语音信号,效果更加明显。     

一种基于噪声对消与倒谱均值相减的鲁棒语音识别方法

提出一种基于语音增强算法的噪声鲁棒语音识别方法．在语音识别预处理阶段,通过噪声对消语音增强法来抑制噪声提高信噪比．然后对增强语音提取Mel频段倒谱特征参数,并在倒谱域应用倒谱均值相减处理来补偿增强语音中的失真成分和剩余噪声．实验结果表明,在低信噪比（-12—0 dB）条件下,该方法对于数字语音识别具有较好的识别率,其性能明显优于基本的Mel频段倒谱参数识别器、传统的谱减法和噪声对消语音增强法．     

基于码本学习的改进谱减语音增强算法

提出一种可适应非平稳噪声环境的基于码本学习的改进谱减语音增强算法。该算法分为训练阶段和增强阶段。训练阶段,使用自回归模型对语音和噪声的频谱形状进行建模并构造语音和噪声码本;增强阶段,采用对数谱最小化算法估计出语音和噪声的频谱,通过谱相减消除噪声。算法在每个时间帧估计语音和噪声频谱,即使在语音存在时仍能够有效跟踪快速变化的非平稳噪声;采用自回归模型能得到噪声频谱的平滑估计,减少了音乐噪声。实验仿真表明,相比于传统谱减法和多带谱减法,改进的谱减法具有更好的噪声抑制性能并且语音失真更小。     

基于自适应噪声估计的语音增强技术

针对语音系统受外界强噪声干扰而导致识别精度降低以及通信质量受损的问题,提出一种基于自适应噪声估计的语音增强方法。通过端点检测将语音信号分为语音段与非语音段,对这两种情况的噪声幅度谱分别进行自适应估计,并对谱减法中不具有通用性的假设进行研究从而改进原理公式。实验结果表明,相对于传统谱减法,该方法能更好地抑制音乐噪声,并保持较高清晰度和可懂度,提高了强噪声环境下的语音识别精度和通信质量。     

基于波束形成的谱相减语音增强

为降低谱相减算法产生的音乐噪声，并提高语音增强效果，本文在深入研究波束形成技术和谱相减算法的基础上，提出波束形成器后级联谱相减的语音增强处理方法，并分析、验证了这种结构的可行性。对真实环境下的语音和噪声数据的处理结果显示，谊级联结构的语音增强系统可显著降低背景噪声，语音失真小，并易于实时实现，信噪比增益达16．5dB。     

基于联合最大后验概率的语音增强算法

针对传统谱减法存在的算法缺陷,提出一种基于联合最大后验概率的改进谱减法.传统谱减法通过获取带噪语音与噪声的幅度差值,并提取带噪语音的相位信息进行语音信号重建.该方法因为谱相减产生“音乐噪声”,并因为相位估计不准确,导致低信噪比下信号增强效果不理想.为此,引入多频带谱减法和相位估计,通过划分频谱,分别在子频带进行谱减法,有效降低“音乐噪声”的影响;同时构建基于最大后验概率的相位估计器,联合信号幅度函数和相位函数,通过多次交替迭代得到相位估值.实验结果表明,相对于传统谱减法,在低信噪比下该算法有效提高增强语音的质量感知和可懂度.     

基于时频结合的背景噪声下语音增强方法

本文在研究基于改进谱减法的基础之上,提出了在频域利用谱减法去除宽带加性噪声,在时域利用短时过零率和短时能量组合而成的加权函数去除谱减法后产生的“音乐噪声”的方法．实验表明：这种时频结合的语音增强方法对背景噪声下的语音质量的增强效果明显。     

一种改进的语音端点检测方法

为了提高低信噪比下语音端点检测的性能,提出了一种改进形式的谱减法与改进的功率谱熵法相结合的语音端点检测算法。该算法首先利用改进的谱减法有效地降低背景噪声,然后再用短时平均幅度加权的方法改进功率谱熵,从而判定去噪后语音的端点位置。仿真结果表明,该方法具有良好的检测能力,在低信噪比环境下能比较准确地检测到语音的端点。     

An adaptive speech endpoint detection method in low SNR environments

Endpoint detection of speech has been shown prosperous for speech recognition and speech enhancement. But the traditional endpoint detection methods lose efficiency in either low signal-to-noise ratio (SNR) environments or nonstationary noise environments. To improve the accuracy of speech endpoint detection in low SNR environments, an endpoint detection method based on an adaptive algorithm for thresholds adjustment is put forward in this paper. The spectral subtraction of multitaper spectrum estimation is performed to enhance the speech. During the process of detection, the cepstral distance of Mel frequency cepstrum coefficient (MFCC) is utilized and the thresholds are adaptively adjusted to different environments. Simulation experiments indicate that in different noise environments with different SNRs, our algorithm has a better endpoint detection accuracy compared with other detection algorithms. Besides that, the algorithm also exhibits strong robustness in low SNR environments.     

基于谱减法的改进语音增强方法

语音增强技术是解决噪声污染的一项强有力的预处理技术.谱减法通过处理后的语音中会留下所谓的"音乐噪声",针对这个问题,提出了一种多带谱相减与感觉加权相结合的语音增强方法.对带噪语音进行多带谱相减,并根据人的听觉掩蔽特性,对多带谱相减后的信号进行感觉加权,从而进一步降低背景噪声.在语音失真和噪声抑制之间取得良好的折中,减少语音的听觉失真,有效地抑制"音乐噪声",提高语音的清晰度.     

改进的减谱法在语音增强中的应用

为消除语音信号中噪声,改善语音质量,本文提出一种改进的减谱法。首先根据每帧的功率谱动态调整谱减系数,然后通过维纳滤波法把各种噪声变换为类似白噪声的噪声,最后用原减谱法把该噪声去除。实验证明,该方法有较好的去噪效果。