基于增益函数的线性预测语音增强算法的研究

增益函数估计的精确度直接决定了语音增强算法的性能,并且增益函数的估计依赖于先验信噪比估计算法.DD(Decision Directed)算法具有较低的计算复杂度和有效抑制音乐噪声的优点,是最常用的先验信噪比估计算法,但是DD算法具有语音失真严重的缺点.介绍了DD算法、MDD(Modified method)算法和线性预测增益函数算法,理论分析了各自性能的优缺点,并进行了实验验证.实验结果显示,增益函数的线性预测方法可以取得较好的语音增强性能.     

结合时变滤波和时频掩码的语音增强方法

本文提出了一种结合鲁棒时变滤波和时频掩码的语音增强方法。首先在带噪语音的时频域中,结合图像处理方法估计出初始瞬时频率信息。然后基于该瞬时频率信息,利用鲁棒时变滤波算法构建降噪后的语音信号。最后根据重构语音的时频特征预测时频掩码。该掩码在带噪语音的时频域中能够有效地保留语音成分且抑制噪声成分,从而达到语音增强的目的。实验结果表明,在几种常见背景噪声环境下,所提语音增强算法在抑制背景噪声干扰、提升语音整体质量方面表现良好,尤其是在低信噪比环境下具有明显的优势。      

基于独立成分分析的双麦克阵列语音增强算法

提出了利用频域的独立成分分析（Independent components analysis）算法分离语音信号和噪声信号,达到抑制噪声的效果.并且,针对ICA算法在噪声源集中的环境中效果较好,在噪声源分散的环境中性能有所退化的情况,基于时域带噪信号的ICA算法提出频域带噪信号的ICA算法.最后利用最小均方误差估计谱幅度算法（Minimum mean square error）去除残留噪声,达到较好的语音增强效果.通过大量的实验数据测试,文中提出的基于ICA和MMSE短时谱幅度估计的双麦克语音增强算法在不同信噪比（Signal to Noise Ratio）下,都取得了良好的降噪效果.     

基于稀疏性的相位谱补偿语音增强算法

相位谱补偿语音增强算法通过调整相位谱对噪声进行压缩,提高重构信号的质量。针对传统的相位谱补偿(phase spectrum compensation, PSC)语音增强算法采用固定的相位补偿因子,且算法的性能易受噪声估计准确性的影响,提出了一种基于稀疏性的相位谱补偿(sparsity-based phase spectrum compensation, SPSC)语音增强算法。首先,利用噪声估计算法得到噪声幅度谱,利用基于幅度谱的语音增强算法得到目标语音幅度谱;接着,通过噪声和目标语音幅度谱之间的局部信噪比(Signal-to-Noise Ratio, SNR)来估计谱时间稀疏性;然后,利用sigmoid函数改进相位补偿因子,联合补偿因子和谱时间稀疏性,得到SPSC函数。最后,使用SPSC函数对相位谱中的谱分量进行补偿,通过短时傅里叶逆变换得到最终增强后的语音信号。仿真实验表明,在四种不同背景噪声的低信噪比下,新的相位谱补偿算法使增强语音获得了更好的LSD、PESQ和segSNR指标,说明新的算法在低信噪比下,可以有效恢复带噪语音中的语音成分,对噪声抑制效果明显,增强语音的质量和听感均有一定提升。      

基于实值离散Gabor变换的联合时频域语音增强

传统变换域语音增强方法对语音做短时平稳性假设,这会造成对语音信号和噪声信号谱估计不准确,从而导致语音失真和残留噪声。本文提出一种从联合时频域进行语音增强的方法,该算法无需对语音做短时平稳假设。算法采用具有最佳能量聚集特性的高斯变换核函数,利用能快速实现的实值离散Gabor变换（RDGT）将语音信号变换到联合时频域,然后利用语音和噪声谱服从高斯分布的假设和无语音概率的思想进行基于最小均方误差的语音对数谱估计,采用改进的最小受控递归平均算法（IMCRA）进行噪声时频谱估计,在得到纯净语音的谱估计后利用实值离散Gabor逆变换获得纯净语音估计。实验表明,该算法相比频域变换算法具有较好的语音去噪度和较低的语音失真度。      

基于自适应噪声估计的小波阈值语音增强

文中提出了一种基于小波阈值和自适应噪声估计方法的语音增强算法。该算法直接利用含噪语音信号估计出信噪比SNR,并通过该值调整小波阈值,从而实现了小波阈值的自适应变化。针对噪声的小波变换模值随尺度增大而减小的特性,采用了随尺度变化的小波阈值。并且改进了小波阈值函数。实验数据表明,本文算法在多种噪声环境下,均有较好的语音增强效果。并且在抑制噪声的同时,减少了语音失真。     

一种改进的子波域语音增强方法

本文基于文献［3］中提出的子波域去噪技术,并针对语音信号的特点提出了一种改进的子波域语音增强方法。该方法采用软限幅函数对语音信号的子波变换系数作阈值处理以达到去噪的目的。同时,为了防止在抑制噪声的过程中对语音的清音段信息造成损失,首先对语音信号进行了清浊音判别,然后针对不同的判别结果对清音段语音和浊音段语音采用不同的阈值处理方法。仿真实验表明,该方法效果良好且简便易行,是一种有效的语音增强技术。     

基于谐波重构滤波的数字助听器语音增强算法

本文研究了基于先验信噪比估计的维纳滤波增强算法。针对基于先验信噪比估计的维纳滤波法未能有效提高语音可懂度的缺点进行了研究与改进：首先,引入了以MMSE为准则的两步先验信噪比估计取代原“直接判决”法;其次,针对信噪比为负的区域,增益函数的过高估计会严重降低语音可懂度的问题对增益函数进行了改进,放大了负信噪比区域的噪声谱,从而降低增益函数被过高估计的可能性;最后,针对两步先验信噪比估计引起的畸变问题,在两步先验信噪比估计的基础上提出了谐波重构降噪方法,使用畸变的信号重构丢失的谐波成分,从而降低了信号的畸变。实验结果表明,改进的方法能够有效的提高语音可懂度并降低语音信号的畸变。     

基于参数估计和感知提升的语音增强降噪算法

为了提高单通道语音增强降噪算法的整体质量,该文从噪声消除和语音感知两个角度出发对传统语音增强算法进行改进,通过引入多种处理手段来达到最佳优化效果。首先在参数估计方面,把基于弱语音出现的平滑算法加入到基于固定先验信噪比的软判决方法中来解决噪声谱过估计问题,并根据语音帧存在概率动态调整平滑因子,从而提高先验信噪比的跟踪效果。其次在语音质量感知提升方面,采用谐波恢复的方法重建语音段的高频谐波分量,并采用相位补偿和增益平滑的方法消除静默段和语音段的音乐噪声。实验结果表明,相比传统算法,该文算法通过引入参数估计改进模块和感知质量提升模块,在消噪效果和语音质量两方面均得到了较大的提高,并适用于多类噪声环境和信噪比条件。     

基于最小统计与MMSE-LSA的语音增强

提出了一种基于最小统计及短时对数谱幅度最小均方误差估计单通道语音增强算法,并在此基础上对其进行了修正。噪声功率谱估计不需要VAD进行有无语音的检测,并在每帧数据都进行更新,可跟踪变电平噪声。该算法在MMSE—LsA准则下得到谱增益函数,并考虑到纯净声音信号频谱特性,对增益函数进行了修正。实验结果表明,该算法可有效去除噪声,在消除音乐噪声的同时对语音信号产生很小的失真,并易于实时处理。