改进的子空间语音增强算法

单通道子空间语音增强算法在加性噪声为白噪声的情况下,效果比较理想.加性噪声为有色噪声的情况下,通常用广义奇异值分解算法来进行处理.为了降低低信噪比情况下残留的音乐噪声,结合人耳的听觉掩蔽效应,提出了一种基于感官抑制的广义奇异值分解算法.实验结果显示,该算法能够明显地提高语音质量、可懂度和识别率,特别是在加性噪声是有色噪声的情况下实验结果明显优于其他的语音增强算法.     

非平稳噪声环境下的语音增强算法

文章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和高频区带噪语音特性的非平稳噪声估计,并结合人耳听觉掩蔽效应进行语音增强的算法。该算法首先通过非平稳噪声估计为加窗后的每一帧语音构造一个时变的权值实现对噪声的实时估计,然后结合人耳听觉特性计算出每一帧语音的不同Bark域的噪声掩蔽阈值,最后利用计算出的噪声掩蔽阈值自适应设定语音增强系数。仿真结果表明,该算法在抑制背景噪声,提高信噪比,减少语音失真等方面优于传统的语音增强方法。     

音频信息隐藏技术研究

音频信息隐藏技术作为信息隐藏技术的一个重要分支,主要涉及的域有时域、频域、离散余弦变换(DCT)域、小波(Wavelet)域、压缩域等。其中,时域和频域的嵌入方法相对容易实现,但鲁棒性相对较差;DCT域和Wavelet域方法透明性好,鲁棒性也不错,尤其是在抵抗模/数转换(A/D)、数/模转换(D/A)攻击时有着非常优秀的表现,但其操作复杂,实现难度相对较高;压缩域隐藏算法一般有较好的透明性,但鲁棒性相对较差。音频信息隐藏在许多场合取得了很好的应用效果,但面对重录音攻击,尚且没有一种很好的方法。解决这一难题的关键是精确同步信息的嵌入和强鲁棒隐藏方法的研究。     

基于谱减法的改进语音增强方法

语音增强技术是解决噪声污染的一项强有力的预处理技术.谱减法通过处理后的语音中会留下所谓的"音乐噪声",针对这个问题,提出了一种多带谱相减与感觉加权相结合的语音增强方法.对带噪语音进行多带谱相减,并根据人的听觉掩蔽特性,对多带谱相减后的信号进行感觉加权,从而进一步降低背景噪声.在语音失真和噪声抑制之间取得良好的折中,减少语音的听觉失真,有效地抑制"音乐噪声",提高语音的清晰度.     

一种基于短时谱估计和人耳掩蔽效应的语音增强算法

该文结合短时谱估计算法和人耳掩蔽效应提出了一种单通道语音增强算法。该算法在MMSE准则下采用了非固定参数的语音跟踪,并且引入人耳掩蔽效应动态的确定增强滤波器的传递函数以适应语音信号的变化。实验结果表明：该算法使降噪后的语音信号有较小的语音失真并且很好地抑制了音乐噪声。     

多带谱相减结合感觉加权的语音增强方法研究

语音增强技术是解决噪声污染的一项强有力的预处理技术,也是语音信号处理的一个热门课题.文章提出了一种多带谱相减与感觉加权相结合的语音增强方法.该方法首先对带噪语音进行多带谱相减,然后根据人的听觉掩蔽特性,对多带谱相减后的信号进行感觉加权,以便进一步降低背景噪声.仿真结果表明,该方法在较好地抑制背景噪声和残留音乐噪声的同时,保持了较好的语音可懂度.     

基于听觉掩蔽效应的改进MFCC特征提取算法

目前,关于语音识别的研究尚处在实验室环境中,而实际的语音总是与噪声和干扰并存。人类能够在信噪比很低甚至在有干扰声音存在的环境中正确识剐语音主要是依靠人的双耳输入作用,本文就模仿人耳的听觉掩蔽效应来掩蔽噪声信号,提出了一种MFCC（Mel频率倒谱系数）改进提取算法。该算法能更好地减少噪声信号对纯净语音信号的影响,从而提高语音信号的识别率。实验表明改进后的算法相对于传统的MFCC提取算法大约有4．43％～8．42％的相对性能提升。     

针对听力受损者的低复杂度感知估计降噪算法

0引言助听器的使用人群是听力受损者,因此助听器中的降噪算法也应更多的考虑听力受损者的听觉特性。同时,由于助听器体积小、功耗低,助听器中的降噪算法的计算量也不宜过大,才能满足实时性等方面的要求。本文在一种基于听觉掩蔽的贝叶斯感知估计降噪算法的基础上,结合听力受损者的听觉特性,提出一种适合于使用在助听器中的低复杂度感知估计降噪算法。     

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。     

基于听觉掩蔽的自适应β阶贝叶斯语音增强算法

为了寻求语音失真度和噪声抑制程度之间的一种平衡,提出了一种基于卡方分布的自适应β阶贝叶斯感知估计算法,并与听觉掩蔽效应的掩蔽阈值通过线性规则结合起来,以此达到更好的语音增强效果。算法利用了人耳的听觉掩蔽效应,根据得到的掩蔽阈值自适应地调整β阶贝叶斯感知估计语音增强算法中的β值,从而将噪声仅抑制在掩蔽阈值之下,留住了更多有效的语音信息,减少了语音畸变。分别应用了主观和客观两种评价方式来考察评价所提出的算法的各项指标,并与以往的基于信噪比的自适应β阶贝叶斯感知估计语音增强算法进行了比较,通过实验结果说明了文中的算法较之于其他算法的有效性。