基于噪声估计的二值掩蔽语音增强算法

针对现有的助听器语音增强算法在非平稳噪声环境下,残留大量背景噪声的同时还引入了“音乐噪声”,致使增强语音可懂度和信噪比不理想等问题。提出了一种基于噪声估计的二值掩蔽语音增强算法,该算法利用人耳听觉感知理论,结合人耳的听觉特性和耳蜗的工作机理。采用最小值控制递归平均（Minima-Controlled Recursive Averaging,MCRA）算法获得估计噪声和初步增强语音;将估计噪声和初步增强语音分别通过可以模拟人工耳蜗模型的gammatone滤波器组进行滤波处理,得到各自的时频表示形式;利用人耳的听觉掩蔽特性,计算含噪语音在时频域的二值掩蔽;利用二值掩蔽得到增强语音。实验结果表明：该算法很大程度上去除了谱减法引入的“音乐噪声”,与基于MCRA谱减法相比,增强语音的语言可懂度指数（Speech Intelligibility Index,SII）、主观语音质量评估（Perceptual Evaluation of Speech Quality,PESQ）和信噪比（Signal to Noise Ratio,SNR）都得到了提高。     

基于人耳掩蔽效应的电子耳蜗语音增强方法

提出一种符合人耳听觉感知的语音增强方法,使电子耳蜗能在噪声环境下获得准确的语音信息。利用Bark子波变换实现电子耳蜗中的语音处理,结合人耳听觉系统特性实现语音增强。使用根据人耳听觉掩蔽效应提出的自适应减参数。实验结果表明该算法在低信噪比情况下,信噪比可提高30 dB左右,更好地抑制了残留噪声和背景噪声,合成的语音具有较好清晰度和可懂度。     

基于掩蔽估计与优化的单通道语音增强算法

单通道语音增强算法通过从带噪语音中估计并抑制噪声成分来得到增强语音。然而，噪声估计算法在计算时存在过估现象，导致部分估计噪声能量值比实际值大。尽管可以通过补偿消去这些过估值，但引入的误差同样会降低增强语音的整体质量。针对此问题，提出一种基于计算听觉场景分析（CASA）的时频掩蔽估计与优化算法。首先，通过直接判决（DD）算法估计先验信噪比（SNR）并计算初始掩蔽；其次，利用噪声与带噪语音在Gammatone频带内的互相关（ICC）系数来计算噪声的存在概率，结合带噪语音能量谱得到新的噪声估计，减少原估计噪声中的过估成分；然后，利用优化算法对初始掩蔽进行迭代处理以减少其中因噪声过估而存在的误差并增加其中的目标语音成分，在满足条件后停止迭代并得到新的掩蔽；最后，利用新的掩蔽合成增强语音。实验结果表明在不同的背景噪声下，相比优化前，新的掩蔽使增强语音获得了较高的主观语音质量（PESQ）和语音可懂度（STOI）值，提升了语音听感与可懂度。     

基于掩蔽效应的维纳滤波器语音增强及DSP实现

针对单通道音增强,常用的谱减法及其改进型算法等语音增强方法不能很好地消除残留音乐噪声以及不能兼顾噪声抑制和语音失真的问题,提出用维纳滤波法与掩蔽效应相结合的算法。介绍了DSP的实现方法。结果表明,该算法相对于传统谱减法和改进谱减法语音增强效果显著、失真小、音乐噪声几乎没有,并且本算法计算量小,很容易在基于DSP的语音增强算法中实现。     

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。     

基于自适应噪声估计的语音增强技术

针对语音系统受外界强噪声干扰而导致识别精度降低以及通信质量受损的问题,提出一种基于自适应噪声估计的语音增强方法。通过端点检测将语音信号分为语音段与非语音段,对这两种情况的噪声幅度谱分别进行自适应估计,并对谱减法中不具有通用性的假设进行研究从而改进原理公式。实验结果表明,相对于传统谱减法,该方法能更好地抑制音乐噪声,并保持较高清晰度和可懂度,提高了强噪声环境下的语音识别精度和通信质量。     

结合听觉掩蔽效应的时频自适应小波阈值增强

针对浊音、清音和噪声的不同特性,结合听觉掩蔽并使用随尺度变化的多阈值对语音信号进行处理.提出了多小波门限估计法,该方法针对不同声音成分,使用不同的与尺度有关的缩小因子调节门限值;通过估计各频带内的信噪比,实现了阈值的时频自适应变化;用巴克小波包分解法模拟人耳临界带特性,用小波谱减法对带噪语音进行预增强,采用Johnst...     

基于非平稳噪声估计的改进谱减语音增强算法

传统的谱减法无法有效地抑制实际语音通信中的非平稳噪声,为了进一步提高谱减法的去噪性能,提出了一种改进的噪声估计算法,首先将带噪语音的功率谱按照Bark频率进行子带划分,然后分别在每个子带内利用改进的最小统计量控制递归平均方法跟踪噪声的变化,从而在准确估计非平稳噪声的功率谱的同时减少计算量。将该算法应用到谱减法中,并与传统的增强型谱减法进行对比实验,实验结果表明：改进的谱减法能够更好地去除各种非平稳噪声,而且能够有效抑制“音乐噪声”,使得增强后的语音具有更好的音质。     

基于实时噪声估计的语音增强方法

语音增强的目的是为了在保持语音可懂度和清晰度的前提下，尽可能地从带噪语音中提取需要的纯净语音，从而改善其质量，在实际应用中还需要对背景噪声进行预估。该文将实时噪声估计与维纳滤波法相结合，提出了一套简易有效的语音增强方案，在语音帧阶段对噪声功率谱进行平滑处理，使噪声估计更适合于维纳滤波，并配合传统的过减法以补偿估计引入的误差。Matlab实验表明在较低信噪比下，这种方法使得语音的信噪比有较大的提高，语音增强效果十分明显。     

基于最小统计噪声估计的信号子空间语音增强

针对传统子空间方法中,采用语音活动检测（Voice activity detection,VAD）估计噪声的缺陷,提出了一种基于子空间域的最小统计噪声估计算法。噪声估计通过跟踪带噪语音协方差矩阵用每个特征向量上的特征值的最小值来获得,该方法不需要VAD明确区分语音段和噪声段,能够在整个信号期间实现噪声的连续估计和不断更新。实验结果表明,相对于传统的基于VAD的子空间方法,本文提出的算法对语音增强效果有非常显著的提高。     

基于巴克谱的语音质量评估算法研究

提出了一种语音主观质量的客观评估算法，该算法在巴克谱的基础上计算原始语音与重建语音之间的失真度，并考虑了弱音帧与噪声帧的存在对语音质量评估的影响。文中同时给出了结合巴克谱失真和弱音与噪声帧比率的语音质量评估公式，并将计算结果与平均意见分(MOS)进行了比较。数值实验表明，本文提出的增强型巴克谱失真测度(IBSD)与MOS之间具有很强的相关性．能客观地评价出语音信号的主观质量，适用于各种语音编码、语音通信系统。     

基于间接拉普拉斯模型因子估计的语音增强算法

对DCT城基于拉普拉斯统计模型的语音增强,分析了模型因子的估计误差及其对于算法整体增强性能的影响,并根据广义高斯分布模型度其形态参数的概念与性质,提出了一种新的拉普拉斯模型因子估计方法,该方法结构简单,它利用拉普拉斯模型条件下语音分量方差与模型因子的对应关系,间接地获取模型因子的估计,算法不仅有效地消除了噪声分量对于估计精度的影响,而且可以快速地跟踪语音分量的变化。仿真结果表明,基于该模型因子估计方法的语音增强算法在多种噪声背景下具有更出色的语音增强效果。     

联合听觉掩蔽效应的子空间语音增强算法

在经典子空间语音增强算法中,因语音特征值估计偏差会造成语音失真和音乐噪声。针对该问题,提出一种联合听觉掩蔽效应的语音增强算法。该算法联合掩蔽阈值自适应调节噪声特征值的抑制系数,并利用维纳滤波对音乐噪声的抑制性,对该特征值并行修正,最终还原出纯净的语音。实验结果证明,该算法在白噪声和有色噪声的背景下,与经典子空间的语音增强算法相比,能提高信噪比,减少语音失真和音乐噪声。     

高分辨率掩蔽感知模型的语音增强

给出一种有效的噪声压缩算法,提供了高分辨率的掩蔽感知模型,并对Kalman滤波模型进行了改进.算法通过计算噪声掩蔽参数,可以适时更新数据参数,压缩信号噪声.实验表明,本文算法没有延迟,语音质量感知评估（Perceptual evaluation of speech quality scores,PESQ）值高,对窄带及宽带信号噪声的压缩均有满意效果.     

基于语音帧检测和子带谱跟踪的噪声估计算法

针对传统基于最小统计和递归平均的噪声估计算法存在较长时间延迟的问题,提出一种快速跟踪的噪声估计算法,将语音活性检测应用于子带谱跟踪来估计非稳定噪声的功率谱。仿真结果表明,该算法保证了噪声估计的精确性,当噪声为非稳定时,相比其他算法其跟踪速度更快。     

一种基于宽带噪声的同态滤波语音增强算法分析

语音通信中,强烈的背景噪声会影响语音信号的传输质量,为了提高语音通信的抗噪声性能,针对说话时伴随着呼吸引起的宽带噪声,分析传统抗噪声方法存在的问题,提出自相关与同态滤波相结合的改进方法,对纯净的语音信号和噪声信号进行分离,提取纯净语音信号.通过实验仿真明显提高了语音处理系统的传输质量,达到了语音增强的目的,其鲁棒性更好.     

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。     

基于自适应滤波的语音增强和噪声消除

语音增强的主要目标是从带噪语音信号中提取尽可能纯净的原始语音。文中介绍了一种基于自适应滤波进行语音增强的方法,这种方法比其他方法多用了1个参考噪声作为辅助输入,从而获得了比较全面的关于噪声的信息,因而能得到更好的降噪效果。通过计算机上的模拟处理,处理后的语音信号较原噪声语音信号显著地提高了信噪比,同时能有效地改善语音可懂度。