预加重与MMSE 结合的语音增强方法

基于语音周期性的特点,提出了一种预加重的MMSE语音增强的改进算法.首先,算法在尽量保留语音信息基础上对带噪语音预加重,使信噪比提高.预加重过程将根据带噪语音信号的周期性的强弱对信号动态加权.处理结果再作为MMSE语音增强的输入并将有利于提高最终的去噪效果.     

基于奇异谱分析和维纳滤波的语音去噪算法

针对维纳滤波算法对非平稳语音信号去噪存在的信号失真、信噪比(SNR)不高的问题,提出了一种奇异谱分析(SSA)和维纳滤波(WF)相结合的语音去噪算法SSA-WF。通过奇异谱分析将非线性、非平稳的语音信号初步去噪,提高含噪语音的信噪比以获取尽可能平稳的语音,并将其作为维纳滤波的输入,以剔除其中仍存在的高频噪声,最终获取纯净的去噪语音。在不同强度的背景噪声下进行仿真实验,结果表明SSA-WF算法在SNR和均方根误差(RMSE)等方面都要优于传统的语音去噪算法,能够有效去除背景噪声,降低有用信号的失真,适用于非线性、非平稳语音信号的去噪。     

一种基于线性预测残差的语音增强算法

本文提出了一种基于线性预测残差的语音增强算法,以去除语音中的加性噪声。对不同噪声下语音信号的线性预测分析,不难发现线性预测系数携带有语音的频谱和共振峰信息。多次实验表明,在噪声位置预测系数较小,在语音位置预测系数相对较大,其平方和可以反映带噪语音信号的瞬时信噪比。本文将该平方和用在从维纳滤波导出的一个基于线性预测系数的去噪函数中,将该去噪函数结合B.Yegnanaraynana的提出的基于逆相对预测残差去噪的方法共同作用于线性预测残差信号,可得到增强的语音信号。实验表明这种方法可以得到较好的去噪语音,去噪的同时较好地保留了语音的可懂度,并且运算量较小。     

Hilbert-Huang变换在语音去噪中的应用

研究语音信号噪声抑制问题,针对噪声污染干扰正确语音的传输,传统采用的HHT噪声抑制方法有多尺度滤波和阈值去噪,对所有的IMF分量进行处理,没有将IMF分量中的有用信号和噪声信号区别开来,去噪效果受到抑制.为使去噪效果更好,提出一种新的基于能量分析的阈值去噪方法,对含噪信号经过Hilbert-Huang变换后的IMF分量,对于信号和噪声能量分布的特点进行能量分析,将加噪信号中有用信号和噪声信号分离开,再利用阈值去噪方法完成去噪.通过仿真,可观察出语音信号的噪声得到了抑制,能够准确识别语音信号,并且比小波方法简单,不用选择小波基和确定分解层数,不用选择判断阈值,就能够达到或接近小波去噪的水平.     

小波变换的频响特性及其在语音去噪中的应用

讨论小波变换在实际语音信号去噪处理中应用。由于语音信号的复杂性 ,信号本身含有奇异性 ,因此不能单一使用阈值去噪法。文中定义了小波变换频响特性 ,并利用它重构低尺度参数上的小波变换模极大 ,达到去噪目的。实例证明它的有效性     

基于小波和EMD的语音信号去噪

为了解决语音信号问题,本文在传统小波阈值去噪方法的基础上提出了提出了一种基于经验模态分解的小波阚值去噪算法,并与小波阂值去噪法和EMD去噪效果相比较,试验结果证明,基于经验模态分解的小波去噪效果是相当有效和稳定的．为研究语音信号去噪处理提供了新的手段。     

椭圆滤波器在语音去噪中的应用

语音信号是一种非平稳的信号,人们在语音通讯过程中会受到来自周围环境,和传输介质的影响,产生噪音,影响人们的听觉,因此我们需要对语音信号进行去噪处理。使用数字滤波器可以有效地去除语音信号中的高频和低频噪声,本文主要研究椭圆滤波器在语音去噪中的应用。并用Matlab仿真实现。     

基于正交小波包分解的语音去噪增强

对带噪语音信号进行增强,是语音信号处理中一个重要的研究课题.由于噪声影响语音质量,这抑制背景噪声,利用小波包良好的时频分析能力,能较好模拟人耳基底膜频率分析特性的特点,提出基于正交小波包的语音去噪增强算法,算法首先把含噪语音信号分解于不同的频率范围内,根据"3σ规则",确定不同频率下的阈值,并采用动态阈值法对各层进行阈值处理,最后对处理后的语音信号反变换得到增强后的信号.在MATLAB平台上,对带噪语音信号去噪增强,实验结果表明,方法在抑制白噪声的同时减小了语音信息的损失,输出语音在保证可懂度的同时达到了较好的输出语音效果.     

一种改进的语音数据小波阈值的去噪算法

小波阈值去噪是一种简洁有效的信号去噪方法,在信号处理领域得到了广泛应用。结合语音信号特有的频率分布特点,在软硬阈值函数的基础上,提出了一种改进的基于分解尺度的小波阈值去噪函数。仿真实验表明,该函数能够较好的滤除语音数据中的噪声,并且在更大程度上保留原始语音信息。     

基于最大信息熵的小波包阈值去噪语音增强算法

去噪算法在语音增强中占有极为重要的地位.而传统的小波阈值去噪算法会不可避免地造成部分有用语音信号的损失.为了更好地对含噪语音信号进行去噪,选用小波包分析法进行语音分解,采用一种新的阈值函数,同时基于最大信息熵的原理确定了阈值和加权阈值函数中的权因子.仿真结果表明,该算法能够很好地抑制噪声,保证重建信号质量.无论在听觉效...     

三阶累积量的语音激活检测方法

在电子与通信系统中,传输信道的噪声都可以看作是加性的高斯随机过程,而高斯随机过程的三阶累积量为零,通信系统中传输的语音信号一般是非高斯信号,基于这个原理提出一种语音激活检测算法。在通信系统的接收端,对于被噪声污染了的语音信号,通过计算接收信号的三阶累积量,得到语音信号的累积量,从而可以区分语音和噪声,达到检测出语音信号的目的。仿真结果表明,在通信系统低信噪比的环境下能有效地检测出语音信号。     

一种多适应性的压缩感知声纹识别系统

针对传统压缩感知(compressive sensing,CS)语音增强方法抗噪类型单一的问题,本文提出了一种多适应性的压缩感知声纹识别系统。在用正交匹配追踪(orthogonal matching pursuit,OMP)算法重构语音信号时设定相关度阈值和语音恢复阈值,并对迭代算法进行改进,不仅有效恢复了纯净语音信号,实现了语音增强,并且减少了重构的计算量。将重构恢复的信号通过Gammatone滤波器组,提取特征参数GFCC,然后在高斯混合模型中识别。实验结果表明,将这种方法应用于声纹识别系统,系统的识别率及鲁棒性都有明显提高。     

基于最小二乘方的语音信号实时盲分离

研究语音信号盲分离的实时算法.盲信号分离技术在视频会议系统、语音信号预处理以及生物医学信号处理中都得到广泛应用.在本文中,利用最小二乘方原理并结合语音信号非平稳的特点,对混合语音信号进行实时分离.实验结果表明,基于最小二乘方的算法是非常有效的实时盲信号分离算法.     

Turning point algorithm for speech signal compression

In this paper, the turning point algorithm has applied on the input speech signal from International Phonetic Alphabet database in the form of vowels, consonants and narratives of American-English. From this algorithm, the input speech signal is compressed by reducing the sampling rate by half of the input sampling rate. After that, the compressed speech signal is played back. The compressed speech signal now has far much better hearing quality as compared to the hearing quality of the input speech signal. This observation is true for all the categories of the input speech signals taken into consideration judged on the basis of both MOS and Average MOS. Finally, the compression performance is also computed for all the category of the speech signals.     

复杂噪声中基于MFCC距离的语音端点检测算法

为提高复杂噪声环境下语音信号端点检测的准确率,提出一种基于梅尔频谱倒谱系数(MFCC)距离的多维特征语音信号端点检测算法。通过计算语音信号的MFCC距离,结合短时能量和短时过零率对特征距离进行修正,并更新其阈值,建立自适应噪声模型,实现复杂噪声中语音信号端点的准确检测。实验结果表明,与基于双门限能量和基于倒谱距离的2种经典检测算法相比,在计算效率相同的条件下,该算法的检测准确率更高。     

基于小波变换的数字水印隐藏与检测算法

主要研究了在数字语音信号中加入数字水印的方法,提出了一种基于小波变换的数字水印隐藏与检测算法,用这种算法隐藏水印具有很强的隐藏性,对原始语音的影响基本上察觉不出来。叠加了水印的语音在经过多种强干扰及各种信号处理的变换之后,使用本算法仍能正确检测出水印的存在,如它可以抵抗噪声干扰、去噪算法对信号进行去噪处理、语音信号的有损压缩以及信号的重新采样等。     

基于傅立叶变换的语音频谱平滑算法

传统的基于源-滤波器模型的语音频谱平滑算法,需要将语音信号分解为激励源和对应的声道滤波器,这样做会引入误差,最终导致合成语音质量的下降。研究了一种基于傅立叶变换的语音频谱平滑算法,避免了上述的分解步骤。实验表明,这种方法能够较好地进行语音频谱平滑并且使合成语音的质量没有受到太大影响。     

基于小波包与自适应维纳滤波的语音增强算法

语音增强主要用来提高受噪声污染的语音可懂度和语音质量,它的主要应用与在嘈杂环境中提高移动通信质量有关。传统的语音增强方法有谱减法、维纳滤波、小波系数法等。针对复杂噪声环境下传统语音增强算法增强后的语音质量不佳且存在音乐噪声的问题,提出了一种结合小波包变换和自适应维纳滤波的语音增强算法。分析小波包多分辨率在信号频谱划分中的作用,通过小波包对含噪信号作多尺度分解,对不同尺度的小波包系数进行自适应维纳滤波,使用滤波后的小波包系数重构进而获取增强的语音信号。仿真实验结果表明,与传统增强算法相比,该算法在低信噪比的非平稳噪声环境下不仅可以更有效地提高含噪语音的信噪比,而且能较好地保存语音的谱特征,提高了含噪语音的质量。     

基于奇异性的语音端点检测方法

噪声信号对于语音信号是相对奇异的.小波变换是分析信号奇异性的有利工具.在利用小波对含噪语音进行分析研究的基础上,提出了一种新的端点检测方法.该算法利用了基于信号奇异性的统计特征和高低频能量比特征.实验结果表明,在低信噪比的情况下,该算法依然能有效地进行语音分割.     

谐波重构先验信噪比估计算法

先验信噪比单通道语音增强算法在信噪比较高时能有效地去除噪声,但在信噪比较低时语音高次谐波失真较为严重。针对此提出了一种基于谐波重构的先验信噪比估计算法,对增强后的信号加权求平方,进行功率谱的二次谱处理,以加强语音信号的周期性;再进行谐波重构,提升谐波分量。实验研究表明,该算法在低信噪比时能够有效地增强语音谐波分量,相对于先验信噪比估计的语音增强算法能够改善语音质量,减少语音失真。