共查询到10条相似文献,搜索用时 78 毫秒
1.
针对单通道非负矩阵分解语音增强算法忽略相位信息的问题,提出了一种改进的Kullback-Leibler复非负矩阵分解的语音增强算法。该算法考虑到传统非负矩阵分解算法在复频域中增强语音时目标函数的影响,构建了一种适用于复频域的Kullback-Leibler散度下的目标函数,同时采用频谱一致性约束相位谱补偿算法,使其重构出的语音数据相位谱得到进一步的调制。实验结果表明,对于不同的非平稳噪声,所提出的算法在不同信噪比下均取得了较好的语音增强效果,尤其在低信噪比条件下(0 dB以下)语音增强效果较为明显,性能评估指标的增量较高,较好地克服了由传统相位谱补偿算法造成的信源失真率较低的缺点,进一步减少失真,抑制背景噪声,实现语音增强。 相似文献
2.
为实现高噪声场所中的听力保护和不同角度入射声源的语音增强,文章采用基于谱减法改进的广义互相关(Generalized Cross Correlation, GCC)时延估计方法对麦克风阵列接收信号进行同步处理,将同步后的阵列信号与基于广义旁瓣抵消器(Generalized Sidelobe Canceller, GSC)的主动隔声耳罩语音增强算法结合,实现噪声抑制和语音增强。首先以GCC算法为基础,引入多窗谱估计的谱减法作为时延估计信号的预处理环节,提高传声器接收信号的信噪比对算法进行改进。随后对加入谱减法的GCC时延估计算法,比较分析了取不同加权函数的仿真结果。最后由时延估计结果对麦克风阵列信号进行时延补偿,对改进后的主动隔声耳罩语音增强算法的噪声抑制和语音增强效果进行了分析。与改进前算法相比,在不同噪声环境下输出的语音信号质量有明显提升。 相似文献
3.
针对噪声环境下语音识别率急剧下降的问题,提出了一种基于语音时频域稀疏性原理的改进最小方差无畸变响应波束形成与改进维纳滤波结合的算法。该算法首先利用麦克风阵列语音信号的空间信息,通过基于时频掩蔽的改进最小方差无畸变响应波束形成器,增强目标声源方向的语音信号,抑制其他方向噪声的干扰,然后再使用改进的维纳滤波器去除残留噪声并提高语音可懂度,对增强后的语音信号提取梅尔频率倒谱系数作为特征参数,使用隐马尔可夫模型搭建语音识别系统。实验结果表明,该方法能够有效提高低信噪比环境下的语音识别率,具有较好的鲁棒性。 相似文献
4.
针对传统最小均方误差谱幅度估计(MMSE—STSA.minimum mean-square error-short time spectral amplitude)语音增强算法无法有效的跟踪非平稳噪声变化的问题,对一种改进的MMSE-STSA语音增强算法进行了研究和仿真。该算法对背景噪声的估计利用加权噪声估计方法:采用一个非线性函数根据带噪语音信噪比(SNR.signal—to-noise ratio)的变化计算得到相应的加权因子并作用于带噪语音信号,对加权的带噪语音求平均得到估计的背景噪声。算法中的谱增益修正,还可以抑制低信噪比时的残留噪声以及避免对带噪语音的过抵消。实验结果表明,该方法能很好的跟踪非平稳噪声的变化,不仅在增强性能上有很好的效果,同时降低了语音的失真。 相似文献
5.
驾驶员语音增强质量的评价指标是保证语音增强算法性能的关键,而现有的语音增强质量评价方法不能准确地反映人对声音感知的主观性。针对上述问题,分析了言语可懂度指数对语音增强算法评价的适用性,并在某品牌汽车上进行实验。通过在汽车内建立均匀线性传声器阵列来对驾驶员语音进行信号采集,然后利用波束形成算法对阵列中不同传声器组合的语音信号进行增强,得到汽车在不同行驶速度时不同阵列组合的语音增强结果。使用信噪比和言语可懂度指数分别对实验得到的语音增强结果进行评价,结果表明言语可懂度指数更适合评价汽车内驾驶员的语音增强算法的性能。 相似文献
6.
基于子空间方法的语音增强算法研究 总被引:1,自引:0,他引:1
给出了一种基于子空间方法的语音信号增强处理算法,该算法提供了在语音信号失真和残留噪声之间进行控制的机制,克服了以往语音增强算法中对语音信号的噪声特点的限制,可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理。 相似文献
7.
为了抑制谱减法语音增强时引入的“音乐噪声”,采用基于后验信噪比频域迭代算法的语音增强方法。首先,当后验信噪比大于20dB时,对含噪语音采用谱过减法;当后验信噪比小于20dB时,对含噪语音谱线进行衰减处理。为了进一步抑制音乐噪声,对增强语音信号进行多次频域迭代降噪处理。对实验室环境录制的不同输入信噪比条件下的含噪语音信号进行处理,与传统谱减法相比,增强语音信号的信噪比有较大的提高,并且音乐噪声得到很大程度的抑制。 相似文献
8.
9.
研究了在未知声源信息和传声器空间位置的情况下,利用盲信号分离的方法实现语音增强。通过把基于信息论的信息最大化算法推广到频域,使得时域的卷积混合问题转变为频域的瞬时混合问题,进而就可以在每个频段分别进行独立分量分析,分离效果有明显改进,算法收敛性也得到提高。为了克服在频域中实现盲分离时所固有的位序不确定性和比例缩放问题对分离性能的严重影响,采用聚类的方法对每个频率段的分离结果进行排序。对真实环境中录制的语音、音乐混合信号和语音、语音混合信号进行了计算机仿真,分离之后使语音的信噪比提高了10-15dB,很好地实现了语音增强的目的。 相似文献