排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
MCRA最小值递归平均算法对噪声的估计值较为准确,而且对一段话音内噪声功率谱的变化也能准确的追踪.但是面对噪声功率谱突然陡增这种情况,需要经过一段时间的自适应才能得到准确的噪声估计值,而在这个自适应期间,会留下较强的残留噪声,影响人的听感.本文在MCRA算法的基础上,引入一种利用最大对数似然比结合能零比的VAD (Voice activity Detection)辅助算法,得到一种改进型噪声估计算法.实验仿真结果也表明,改进的噪声估计算法在噪声估计速度方面优于MCRA算法. 相似文献
2.
MCRA( Minima-Controlled Recursive Averaging )方法是经典的噪声估计算法,然而在语音段MCRA方法存在不能对噪声功率谱进行有效更新的问题。针对这一问题,本文利用广义自回归条件异方差( Generalized Autoregres-sive Conditional Heteroskedasticity ,GARCH)模型在时频域对噪声信号建模,在MCRA算法原理的基础上,提出了基于最小控制GARCH模型的噪声估计算法,实验结果表明,本文所提的噪声估计算法能够更为准确估计噪声功率谱,将该算法应用到语音增强中能够获得到较好的语音增强效果。 相似文献
4.
1