基于听觉掩蔽效应的语音增强算法

对于低信噪比环境下的语音信号,传统谱减法残留的背景噪声较大。针对该问题,基于听觉掩蔽效应提出一种改进的语音增强算法。将人耳听觉掩蔽特性与功率谱减法相结合,设计一种时域递归平均算法对噪声进行估计,同时对带噪语音信号做频谱相减处理,从听觉的角度出发,利用估计的语音信号功率谱计算掩蔽阈值,并引入谱减功率修正系数和谱减噪声系数,实现带噪语音的信号增强。利用Matlab 2012b进行仿真,实验结果表明,该算法在低信噪比条件下能够较好地抑制背景噪声,改善语音质量,且与改进自适应滤波算法相比,其输出信号的信噪比可提高5%左右。     

基于噪声估计和听觉掩蔽效应的语音增强

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语音特性的非平稳噪声估计方法,通过构造一个时变的权值,实现对噪声的实时估计,同时结合人耳听觉掩蔽效应,利用估计出的噪声自适应设定增强系数。仿真实验表明,该方法能够较好地抑制背景噪声,提高信噪比,减少语音失真。     

一种改进的基于听觉掩蔽的自适应β阶MMSE语音增强算法

提出一种改进的基于听觉掩蔽的自适应阶MMSE语音增强算法,实验表明这种改进算法比起经典的语音增强算法能更显著地提高算法的客观性能,特别在非平稳噪声和低信噪比的环境中能快速估计出变化的噪声功率谱。     

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。     

一种听觉掩蔽效应和维纳滤波的语音增强算法

将非平稳噪声估计算法以及基于听觉掩蔽效应得到的噪声被掩蔽概率应用于维纳滤波语音增强中,提出了一种听觉掩蔽效应和维纳滤波的语音增强方法。几种噪声背景下对语音增强的客观测试表明,提出的算法相比较于传统的维纳滤波语音增强算法而言不但可以提高语音信噪比,而且可以明显减少语音失真。     

非平稳噪声环境下结合听觉掩蔽的语音增强

针对现有语音增强算法面临残留噪声这一问题,提出一种结合人耳听觉掩蔽的改进算法。将MMSE-LSA谱估计法和一种最优感知增强滤波器融入一个两极语音增强算法框架,利用人耳听觉掩蔽去除残留噪声;给出算法实施的具体步骤和最优感知滤波器的理论推导。实验结果表明,在非平稳噪声环境下,该算法可以有效降低语音失真和残余噪声,提升增强语音信号的主观和客观质量。     

基于听觉掩蔽效应和最优平滑的语音增强算法

针对谱减法在低信噪比下音乐噪声较大的缺点,通过分析人耳听觉掩蔽特性,提出一种改进的语音增强算法。在维纳滤波法的基础上结合掩蔽效应调整增益系数,采用非平稳环境下的最小约束递归平均算法进行噪声参数估计,利用最小均方误差准则的最优平滑因子对增强语音进行平滑处理,从而进一步消除音乐噪声。仿真结果表明,与改进谱减法与维纳滤波法相比,该算法在低信噪比情况下能有效抑制背景噪声和残余的音乐噪声,保持较好的语音质量和清晰度。     

基于拉普拉斯模型和掩蔽效应的语音增强

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。首先实现了语音信号服从Laplacian分布、噪声服从Gaussian分布假设下的MMSE增强算法。为了进一步提高语音增强效果;在增强语音谱幅度阈值的计算上将该方法与人的掩蔽特性相结合。通过语音增强方法性能客观评测表明;该语音增强方法更好地抑制了噪声;有效地减小语音失真。     

基于噪声被掩蔽概率的语音增强算法

针对MMSE方法语音失真较大的缺点,提出一种将噪声被掩蔽概率引入高分辨率掩蔽感知模型的方法,通过初始噪声序列进行噪声谱的更新,然后计算噪声掩蔽参数,适时更新数据参数以动态确定每一帧的权值,实验结果表明,该方法在有效抑制背景噪声的同时还降低了音乐噪声,在语音降噪方面实现了比MMSE方法更好的增强效果.     

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。     

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。     

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。     

基于短时谱估计的语音增强研究

基于短时谱估计的语音增强算法具有良好的降噪性能,算法高效且易于实现。本文对谱减法、维纳滤波、最小均方误差估计等此类算法进行系统的论证,结合实验,分析比较了它们的性能差异,并指出了它们各自的优缺点及适用环境。     

一种基于快速噪声估计的MMSE语音增强算法

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。     

车辆检测中的自适应背景更新算法研究

针对采用传统背景差法检测运动车辆时很难实现背景自动更新的问题,采用了快速自适应背景生成算法,并考虑到背景有缓变和突变两种情况,引入最小均方误差（MMSE）估计理论进行判断,针对不同的情况采取相应的算法实现背景更新。实验数据表明：采用该方法较以往准确性大大提高,同时达到了自适应背景更新的目的,并且算法实现简单,实时性较高。     

基于最小均方误差准则的相关旋转预编码算法

针对传统相关旋转(CR)算法放大噪声的问题,利用拉格朗日函数最小化接收信号与发射信号间的误差,通过贝叶斯理论和信道统计特性计算不完美信道状态信息,设计了信道状态信息(CSI)完美和不完美两种情况下基于最小均方误差(MMSE)准则的CR预编码算法的系统方案。分析与仿真结果表明,与传统迫零(ZF)准则下的CR算法相比较：信道状态信息完美时设计方案在同一信噪比(SNR)下误码率性能提高2~3dB;信道状态信息不完美时系统误码性能也有显著的提高。     

改进的基于响度域的语音增强算法

针对短时谱幅度最小均方误差估计(MMSE-STSA)语音增强算法在非平稳噪声环境下噪声抑制能力较差的问题,提出一种改进的MMSE-STSA算法。该算法在响度域进行谱幅度估计,并采取基于概率的语音判决方法。实验结果表明,相比传统的MMSE-STSA算法,改进算法在非平稳噪声环境下能够获得更好的语音质量。