首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 109 毫秒

1.  一种基于Laplacian语音模型的语音增强算法  
   邹霞  吴其前  张雄伟《信号处理》,2007年第23卷第2期
   本文提出了一种新的基于Laplacian语音模型的语音增强算法。首先,在假定语音和噪声的短时DCT系数分别服从Laplacian和Gaussian分布的基础上,推导了最小均方误差意义下的语音信号短时DCT系数估计;然后,根据语音存在概率估计,提出了语音信号短时DCT系数估计的修正因子。在增强算法中,提出了面向判决的Laplacian语音模型参数估计和基于Laplacian语音模型的改进最小量控制递归平均(IMCRA)噪声估计算法。仿真结果表明,本文算法不仅在噪声抑制性能方面优于近两年国际上提出的几种基于Gaussian语音模型的语音增强算法,而且在增强语音质量方面也具有更好的性能。    

2.  一种噪声谱快速跟踪的语音增强方法  
   陈文钢 田岚 姜晓庆 孙英明《山东工业大学学报》,2006年第36卷第4期
   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.    

3.  一种噪声谱快速跟踪的语音增强方法  
   陈文钢  田岚  姜晓庆  孙英明《山东大学学报(工学版)》,2006年第36卷第4期
   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.    

4.  基于Gamma语音模型的语音增强算法  被引次数:1
   邹 霞  陈 亮  张雄伟《通信学报》,2006年第27卷第10期
   提出了一种新的基于Gamma语音模型的语音增强算法。首先,在假定语音和噪声的短时DCT系数分别服从Gamma和Gaussian分布的基础上,推导了最小均方误差意义下的语音信号短时DCT系数估计;然后,根据语音存在概率估计,提出了语音信号短时DCT系数估计的修正因子。在增强算法中,提出了基于Gamma语音模型的改进最小统计量控制递归平均(IMCRA)噪声估计算法。仿真结果表明,该算法不仅在噪声抑制性能方面优于近两年国际上提出的几种基于Gaussian语音模型的语音增强算法,而且在增强语音质量方面也具有更好的性能。    

5.  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  被引次数:5
   曹志刚 郑文涛《电子学报》,1993年第21卷第4期
   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。    

6.  一种MMSE语音增强算法的研究与实现  
   张运伟  陈健  傅丰林《电子科技》,2004年第8期
   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.    

7.  帧间约束MMSE语音增强算法  
   田滨 曹志刚《电子学报》,1995年第23卷第9期
   本文主要讨论基于语音短时谱估计的语音增强算法,在语音短时谱幅度最小均主误差估计(MMSE)的基础上,本文提出了一种基于帧间频域分布约束的改进的语音短时谱幅度MMSE估计算法,该算法充分利用了语音分析帧之间存在的相关性,并以频域分布约束的形式结合到估计式中,考虑到在MMSE估计式中需要利用语音频谱的分布,本文采取了两种解决办法,利用高斯分布模型进行近似;利用语音材料进行统计得到近似的分布模型,新算法    

8.  基于多元Laplace语音模型的语音增强算法  被引次数:1
   周彬  邹霞  张雄伟《电子与信息学报》,2012年第7期
   传统的短时谱估计语音增强算法通常假设语音谱分量相互独立,没有考虑语音谱分量间的相关性。针对这一问题,该文提出一种新的基于多元Laplace分布模型的短时谱估计算法。首先,假设语音的离散余弦变换(DCT)系数服从多元Laplace分布,以此利用谱分量间的相关性;在此基础上,利用多元随机矢量的高斯尺度混合模型表示,推导得到语音DCT系数矢量的最小均方误差(MMSE)估计的解析表达式;并进一步推导了基于该分布模型的语音存在概率,对最小均方误差估计子进行修正。实验结果表明,该算法在抑制背景噪声和减少语音失真等方面优于传统的语音增强方法。    

9.  改进型短时对数谱的语音增强算法的DSP实现  
   畅通  杜栓义《现代电子技术》,2007年第30卷第5期
   通过研究单通道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,简化了算法难度,改进了实时性。引入了最佳修正短时对数谱估计,能在信号存在的不确定性下最小化语音信号对数谱的均方误差。试验证明此方法的语音增强效果较好,尤其在较低信噪比时效果更明显。算法用浮点DSP TMS320VC33实现,能有效抑制背景噪声。    

10.  一种基于快速噪声估计的MMSE语音增强算法  
   陈照平  马建芬  张雪英《计算机工程与应用》,2007年第43卷第22期
   提出一种基于快速噪声估计的MMSE语音增强算法,实验表明这种算法比起谱相减法和基于语音短时对数谱的最小均方误差(MMSE-LSA)算法能更显著地提高算法的客观性能,在非平稳噪声环境中能快速估计出变化的噪声功率谱。    

11.  基于MMSE-LSA语音增强算法在非平稳环境下的研究与实现  被引次数:1
   张鹏  张艳宁  付中华  张亚娟《计算机工程与设计》,2007年第28卷第19期
   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.    

12.  基于超高斯混合模型的语音幅度谱增强算法  
   赵改华  周彬  张雄伟《通信技术》,2013年第6期
   研究表明超高斯分布更加贴近语音信号的实际分布,然而语音信号很难用单一的概率密度函数准确描述,针对这一情况,提出了一种用超高斯混合模型对语音信号幅度谱建模的新方法,并推导了基于此模型的幅度谱最小均方误差估的估计式。仿真结果表明:与传统的短时谱估计算法相比,该算法不仅能够进一步提高增强语音的信噪比,而且可以有效减小增强语音的失真度,提高增强语音的主观感知质量。    

13.  语音增强技术的对比研究  
   张达敏《现代机械》,2005年第21卷第6期
   语言增强技术一直是语音信号处理中的重要课题之一,语音增强的目的是从有噪声的信号中尽可能完好地恢复原始声音。目前常用的增强算法很多,本文对传统的基于短时谱估计的增强算法和近年来发展起来的基于小波变换的增强算法进行仿真实验比较研究。    

14.  一种改进的维纳滤波语音增强算法  被引次数:1
   张亮  龚卫国《计算机工程与应用》,2010年第46卷第26期
   提出了一种改进的语音增强算法,该算法以基于先验信噪比估计的维纳滤波法为基础。首先通过计算无声段的统计平均得到初始噪声功率谱;其次,计算语音段间带噪语音功率谱,并平滑处理初始噪声功率谱和带噪语音功率谱,更新了噪声功率谱;最后,考虑了某频率点处噪声急剧增大的情况,通过计算带噪语音功率谱与噪声功率谱的比值,自适应地调整噪声功率谱。将该算法与其他基于短时谱估计的语音增强算法进行了对比实验,实验结果表明:该算法能有效地减少残留噪声和语音畸变,提高语音可懂度。    

15.  基于频域ICA的语音特征增强  
   吕钊  吴小培  李密《振动与冲击》,2011年第30卷第2期
   为了降低卷积噪声对语音特征所产生的影响,提高语音识别正确率,文章提出了一种基于频域ICA(Independent Component Analysis,独立分量分析)的语音特征增强算法。该算法首先使用频域ICA方法作对噪声进行估计,然后在倒谱域内将带噪语音信号的短时谱减去所估计噪声的短时谱,最后根据去噪后语音信号的短时谱计算美尔倒谱系数(MFCC)作为特征参数。在仿真和真实环境下的语音识别实验中,本文所提出的语音特征参数相比较传统的MFCC其识别正确率分别提升了38.2%和35.8%。实验结果表明本文所提算法能够较好地解决卷积噪声环境下训练与识别特征不匹配的问题,有效提高了语音识别系统的识别正确率。    

16.  基于语音存在概率的噪声功率谱估计改进算法  
   庞亮  刘双东《电声技术》,2017年第41卷第2期
   噪声功率谱估计是语音增强算法中的关键技术之一.针对在非平稳噪声环境下噪声功率谱估计不够准确的问题,采用了基于后验语音存在概率的噪声功率谱估计算法,并对其中的语音存在概率估计算法进行了改进.利用语音信号的短时平稳性,在时域和频域上利用相邻帧和相邻频点的相关性估计当前帧的语音存在概率.仿真结果表明,该算法与原始算法及改进的最小值控制递归平均噪声估计(IMCRA)算法相比,能够有效提升非稳态噪声环境下噪声功率谱估计准确度和语音增强效果.    

17.  改进增益函数的MMSE语音增强算法  
   余建潮  张瑞林《计算机工程与设计》,2010年第31卷第14期
   讨论了基于语音短时对数谱最小均方误差(MMSE-STSA)的语音增强算法,将先验信噪比估计引入增益函数的计算中,有效消除噪声.在带噪信号模型中引入语音存在的不确定度,估计出每个频点的先验无声概率,对增益函数进行改进.通过客观与主观两种评价方法将改进算法与小波变换算法和MMSE估计算法进行比较,实验结果表明,改进算法能更好地抑制背景噪声并且使增强后的语音有较小的失真,增加语音清晰度和理解度.    

18.  基于短时谱分析的语音增强改进算法  
   叶利剑  黄松华  邱小军《电声技术》,2011年第35卷第9期
   介绍了基本的语音增强短时谱分析算法的原理。基于经典的谱减算法进行改进,引入了先验信噪比估计,以及时间回归平均法对噪声进行更新,以及一系列后处理改进方法,提高了降噪效果。在保持语音可懂度的基础上,增强了噪声衰减量。主、客观实验结果表明,针对汽车噪声一类的平稳噪声,算法效果出色;而对于街道、人声一类非稳态噪声,该算法性能优于目前常见算法。    

19.  软判决修正下的语音增强算法在数字信号处理器上的实现与优化  
   班超帆  刘晓明  田雨《计算机应用》,2011年第31卷第8期
   针对低信噪比情况下,传统谱估计语音增强算法性能下降的问题,提出了一种结合语音存在概率和人耳听觉掩蔽效应的软判决短时谱估计算法。该算法在低信噪比的情况下保护微弱的语音信号,减少语音谱的失真。同时介绍了基于TMS320C5502数字信号处理器的嵌入式系统,重点讨论了系统总体方案和主要功能模块的硬件设计,并且结合数字信号处理器的结构特点,给出了该算法系统平台移植和优化的方法。系统测试表明,硬件平台工作稳定可靠,针对硬件资源的移植和优化显著地提高了系统的处理速度,满足实时性的要求,且输出语音在去噪度与失真之间很好地平衡,优于传统的谱减算法。    

20.  修正的基于广义Gamma语音模型语音增强算法  
   赵改华  周彬  张雄伟《计算机工程与应用》,2014年第18期
   广义Gamma模型是近年来新提出的一种语音分布模型,相对于传统的高斯或超高斯模型具有更好的普适性和灵活性,提出一种基于广义Gamma语音模型和语音存在概率修正的语音增强算法。在假设语音和噪声的幅度谱系数分别服从广义Gamma分布和Gaussian分布的基础上,推导了语音信号对数谱的最小均方误差估计式;在该模型下进一步推导了语音存在概率,对最小均方误差估计进行修正。仿真结果表明,与传统的短时谱估计算法相比,该算法不仅能够进一步提高增强语音的信噪比,而且可以有效减小增强语音的失真度,提高增强语音的主观感知质量。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号