一种改进的基于谱熵的语音端点检测技术

论文提出了基于时频谱减增强和谱熵的语音端点检测算法。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,此算法快速有效,具有较强的抗噪能力,特别适合低信噪比的语音端点检测。     

基于改进噪声估计的谱减法应用于说话人识别

针对语音信号中存在加性噪声使MFCC的鲁棒性和识别系统的性能下降的问题,基本谱减法的引入在增强MFCC抗噪性上取得的效果有限,为了使MFCC具有更好的抗噪性,提出了一种改进算法,在谱减法的基础上引入谱熵的思想,利用谱熵值的分布逐帧进行噪声估计,可更精确地谱减去噪;实验结果表明,当语音中含有加性噪声时,与基本谱减法相比,改进谱减法的说话人识别系统抗噪性与鲁棒性更好。     

基于子带谱熵的仿生小波语音增强

前端噪声处理直接关系着语音识别的准确性和稳定性,针对小波去噪算法所分离出的信号不是原始信号的最佳估计,提出一种基于子带谱熵的仿生小波变换(BWT)去噪算法。充分利用子带谱熵端点检测的精确性,区分含噪语音部分和噪声部分,实时更新仿生小波变换中的阈值,精确地区分出噪声信号小波系数,达到语音增强目的。实验结果表明,提出的基于子带谱熵的仿生小波语音增强方法与维纳滤波方法相比,信噪比(SNR)平均提高约8%,所提方法对噪声环境下语音信号有显著的增强效果。     

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。     

噪音情况下语音端点检测方法的研究

语音信号处理中减谱法是一种传统的降噪方法,但减谱法利用固定的无音片段作为噪声样本容易产生误差。谱熵法是一种有效的端点检测方法,但在低信噪比环境下,检测效果将大大降低,并且门限估计也采用初始的固定无音片段。为此,提出了一种降噪和端点检测同步的方法。实验结果表明,該方法可以得到较高正确率的端点检测结果。     

基于谱熵的耳语音增强研究

建立了一个小型耳语音库,并分析了耳语音的特点。在此基础上引入基于子带功率谱熵的改进谱减法对耳语音进行增强处理。该方法通过分析耳语音信号的子带功率谱熵,检测出耳语音的噪音段和语音段,然后对噪音段和语音段分别进行改进谱减处理,以达到良好的去噪效果。实验证明:此方法能有效分离出耳语音的噪声段和语音段,与传统谱减法相比,信噪比有了较大的提高。     

相位匹配噪声估计的高阶谱去噪方法

大多数去噪方法只能对高斯噪声或某一类有色噪声进行去噪处理.提出一种新的相位匹配噪声估计的高阶谱去噪方法.利用该方法既可以去除高斯噪声又可以去除非高斯噪声,通过高阶谱和相位匹配实时的逼近当前噪声,建立二次去除噪声方法,通过实验证明该方法能够非常明显的去除高斯与非高斯噪声,在无法分出噪声的种类情况下进行信号的去噪,取得非常好的去噪效果.     

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。     

基于短时谱相估计改进型减谱法语音降噪研究

针对手机等移动智能终端设备的降噪问题,通过对基本减谱法的分析研究发现其在使用中存在不足,对基本减谱法进行了功率谱修正和输入幅值谱自适应的改进,通过调节噪声系数α和功率谱系数β以提高语言处理的灵活性以及输出信号的信噪比。仿真实验对比了基本减谱法与改进减谱法对含噪语音的处理效果,结果表明改进减谱法对含噪语音的降噪效果更为明显。     

基于多窗谱相关加权语音增强

与传统的周期谱图相比,多窗谱分析方法是一种低方差、高分辨率的谱分析方法,尤其适合非线性系统中强噪声背景下弱信号、时频演变信号的分析.基于多窗谱估计这种优点,提出多窗谱相关加权语音增强方法,先对噪声与含噪信号比(NNSR)进行估计,用基于 NNSR 的幅度谱减实现预语音增强,再用相关加权规则获得最终的增强语音.通过客观和...     

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。     

一种新的用于语音识别的噪音估计及非线性谱相减方法

提出了一种新的噪音估计及非线性谱相减方法，通常的噪音估计一般基于语音检测方法，取噪音段的谱平均作为噪音谱的估计，该方法在信噪比较低时性能下降严重。提出的基于能量聚类的噪音谱估计方法，不依赖于语音检测直接估计噪音谱，提高了噪音谱估计的精度。还在一般非线性谱相减方法的基础上提出了改进的谱相减方法，该方法根据单个mel滤波器频带内局部的信噪比，来决定该频段内非线性谱相减的多少，细化了非线性差谱的额度，在有效抑制噪声的同时减少了语音谱的失真。     

多窗谱估计的语音增强减法研究

多带谱熵不仅能体现和谱熵一样的频率特性,还能体现能量的分布情况,因此在进语音检测时更趋向于采用多带谱熵估计。通过仿真,证明多带谱熵估计在非平稳信号检测中相比于谱熵估计的优越性,确定适合坦克环境的多带谱熵噪声估计算法。结合多带谱熵估计、相关加权、分帧相减等理论,提出一种以多窗谱估计为基础的改进的语音增强算法。仿真结果表明,提出的算法不仅能更好地抑制背景噪声和音乐噪声,而且还较好地保持了语音的可懂度和自然度。     

基于加权门限谱熵的改进端点检测方法

为了进行有效的语音信号处理,降低语音信号的冗余度,通常采用端点检测技术来提取语音信号中的有效部分。而传统谱熵端点检测算法由于判定门限为固定值,其在低信噪比条件下检测性能急剧下降,提出了一种基于动态加权门限的检测方法,对每个判定的噪音帧的谱熵与无声段噪音谱熵进行加权平均,得到新的噪音谱熵作为更新后的门限值;在判定过程中引入谱减法提高信噪比,进一步降低噪声干扰。仿真实验结果证明,相对于传统谱熵端点检测方法,该方法在低信噪比的条件下仍然能够更为准确地检测到语音的端点。     

改进的语音端点检测技术

为了提高低信噪比下语音端点检测的性能,提出了一种改进的基于谱减法和自适应子带谱熵的语音端点检测方法。该方法先利用谱减法对带噪语音消除加性噪声,及时更新背景噪声估计,再对增强后的语音信号利用改进的自适应子带谱熵进行端点检测。实验结果表明,该方法具有良好的检测性能,相对传统方法提高了端点检测的准确率,在低信噪比环境下仍能比较准确地检测到语音的端点。     

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。     

一种改进型谱减算法的语音增强研究

针对低信噪比条件下基本谱减算法存在降噪效果不佳,产生音乐噪声过大,语音可懂度不高的问题,提出了一种改进型的谱减算法。算法先计算语音信号的倒谱距离值,检测出噪音段和语音段,用动态计算的噪声值代替基本谱减法采用的噪声统计均值;根据当前帧和噪声帧的倒谱距离比值动态设置谱减系数,改进了传统算法中谱减系数保持不变的缺点;同时采用三种方法抑制音乐噪声。仿真实验表明,在低信噪比情况下,改进型的谱减算法可以有效降噪,提高信噪比和可懂度,达到语音增强的目的。     

基于改进谱减方法的语音增强研究

由于噪声的影响导致语音信号的质量降低,因此需要对语音信号进行语音增强。语音增强是语音信号处理的前沿领域,其主要目标足从带噪语音中提取纯净的原始语音信号。介绍了实现语音增强方法的原理,利用实验仿真了传统谱减法和改进谱减方法,改进法通过对带噪信号进行参数调整,然后进行频域谱减,实验结果表明改进方法对语音增强效果明显好于传统方法。此外,对传统谱减法和改进谱减法的信噪比分别进行了计算,结果表明改进谱减方法的信噪比相对传统谱减方法有很大提高。