共查询到20条相似文献,搜索用时 31 毫秒
1.
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
2.
3.
噪声谱估计是单通道语音增强算法的关键步骤,当前大部分语音增强算法旨在提高语音质量,提高语音可懂度的算法却很少。在传统的单通道语音增强算法中,语音质量的提高往往是以牺牲语音的可懂度为代价的。对目前主流的几种噪声谱估计算法对语音可懂度影响进行分析。在不同噪声背景、不同信噪比情况下进行噪声谱估计,并采用谱减法对含噪语音信号作去噪处理,对比分析不同噪声、不同信噪比下增强前后语音的短时客观可懂度(Short-Time Objective Intelligibility,STOI)值,最后根据信噪比,对比分析了不同噪声环境下,语音增强前后语音能量高于噪声能量的时频块所占比例。实验表明,相比其他噪声估计算法,最小统计(Minima Statistics,MS)算法由于保留了更多的以语音能量为主的时频块,使得去噪后的语音有较高的可懂度。 相似文献
4.
5.
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。 相似文献
6.
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
7.
把小波变换和维纳滤波结合起来对语音信号进行去噪和利用NN分类器对语音信号进行非线性融合和子带语音识别,并采用了一种改进的MCE(最小分类错误)算法。通过三尺度的Daubechies小波变换把输入含噪语音信号分解成不同子带,然后在各个子带分别通过维纳滤波去噪,再把各个子带的输出通过小波重构恢复信号,最后通过Mel滤波器组把小波系数转换成MFCC(美尔倒谱系数)。在使用分类器之前先进行GMM(高斯混合模型)识别,并采用改进的MCE(最小分类错误)算法,分类器融合采用了MLP结构。试验结果显示,这种系统取得了较好的抗噪效果,系统的辨识率和鲁棒性都有所提高。 相似文献
8.
针对噪声的引人对语音信号的保真有很大的影响,本文主要采用matlab中小波工具中的一些小波变换去噪函数对语音信号进行去噪仿真研究,其中的阈值去噪的方法是一种实现简单、效果较好的小波去噪方法。且与一般的傅里叶变换去噪进行对比,显示了小波去噪的优良特性。 相似文献
9.
听觉掩蔽效应语音增强的改进算法 总被引:2,自引:1,他引:1
含噪信号利用掩蔽效应去噪后,噪声估计的误差导致语音失真。在利用听觉阈值计算谱减系数时提出了一种改进的计算方法,通过增加修改参数来抑制语音的过分衰减,减少了语音失真,然后基于MMSE准则对增强的语音谱再进行平滑处理,进一步抑制音乐噪声。实验表明该算法在不影响语音失真的基础上,提高了信噪比,消除了音-/乐噪声,主观测听的语音音质明显提高。 相似文献
10.
基于阈值的小波域语音去噪算法是很有潜力的算法,阈值的选择和如何处理阈值是这一算法的关键。然而光有小波降噪处理往往还不能达到最佳的语音去噪效果,因此有必要在小波非平稳降噪的基础上进一步进行去噪处理。自适应KLT(Karhunen Loeve Transform)的语音去噪算法,不需要白化处理,既可以自适应跟踪KLT阵,又能够有效地协调去噪后信号的音质与可懂度之间的矛盾。实验表明,在小波降噪基础上进一步采用KLT语音去噪能增强说话人辨认的鲁棒性。 相似文献
11.
12.
13.
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
14.
15.
16.
17.
18.
针对信号相位匹配算法能够在信号估计中准确提取信号频率成分的优点,将三子阵信号相位匹配算法应用于提取强背景噪声中的语音信号,同时提出了基于平均段内功率谱密度距离的语音质量客观评价方法,将主观平均意见分(MOS)、信噪比和平均分段功率谱密度距离作为指标,分别对三子阵信号相位匹配法、谱减法和最小均方误差估计法这三种算法的处理结果进行客观评价并对算法的降噪性能做了对比。仿真结果表明,三子阵相位匹配算法能够达到强背景噪声环境下语音降噪的目的;同时基于平均段内功率谱密度距离的语音质量客观评价结果与主观评价结果相符合,该评价方法具有一定的可行性。 相似文献