数字摄像机自动聚焦机械噪声消除方法研究

数字摄像机的摄像头在缩放时产生较大声噪,回放时主观听觉十分明显,因此需要研究一种高质量语音降噪算法,用于消除机械声噪,同时避免产生语音畸变。通过分析传声器阵列及带噪声源的数学模型,构建了一套基于传声器阵列的语音降噪系统,针对机械噪声的统计特性,利用最小方差无畸变响应波束形成法对非注视方向的噪声进行滤波,采用子带后处理法进一步降噪。该算法在保证稳定性的前提下降低了语音降噪处理的复杂度并提高信噪比;提出一种新的单通道维纳滤波函数,降低了信号低频部分的畸变。实验语音数据均在普通会议室采集,新的增强算法增益为16dB,主观听觉可懂度较好。实验结果证明,该系统可作为理想的语音降噪设备应用于摄像机录制过程中。     

三洋摄像机调焦聚焦噪声抑制技术研究

类似数字摄像机的视频采集系统在摄像头缩放或自动对焦时产生较大声噪,回放时主观听觉十分明显.因此需要研究一种抑制一种语音降噪算法,用于消除马达高速旋转引起的可感知机械干扰声噪.本文提出能够平滑调焦和自动聚焦及语音增强的方案.通过改进的鲁棒自适应麦克风阵列方法从带噪信号中恢复语音;同时采用子带后处理法进一步降噪,保证稳定性...     

基于自适应滤波的噪声抵消法

语音降噪就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的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。     

基于无语音概率改进的对数谱幅度估计增强算法

针对谱减语音增强法中一直存在的去噪度、残留的音乐噪声和语音畸变度三者间均衡这一关键问题,本文提出一种基于无语音概率改进的对数谱估计增强算法.该算法结合无语音概率的思想,按照纯噪声帧和带噪语音帧两种状态.有区别地实时更新语音最小均方误差的对数谱增益,并利用无语音概率参数(SAP)自适应地调节平滑系数,以求随着噪声环境的变化,在去噪度、残留"音乐噪声"和语音畸变度之间自适应地折中.实验表明,该算法在相同去噪程度下,语音畸变和音乐噪声相对其他谱减法都同时地减弱,特别在低信噪比环境下优势更明显,而且平滑参数利用SAP参数,无需多余计算,便于实时处理.     

一种基于自适应滤波的语音降噪方法研究

分析和研究自适应滤波和小波变换法的原理及方法,提出了一种新的综合使用自适应滤波和小波变换法的语音降噪方法。该方法首先用仿生小波变换法对带噪声的语音信号进行小波分解,将小渡变换法分离出来的噪声信号作为自适应滤波器的输入。最后选择用最小均方误差（LMS）的自适应算法对带噪声语音信号进行降噪处理,实现了信噪分离,去除语音信号中的噪声信号。实验结果表明,该方法对语音信号有较为明显的降噪效果。     

基于仿生小波变换和模糊推理的语音降噪算法研究

提出了一种基于仿生小波变换和模糊推理的变步长自适应滤波语音降噪算法。该算法首先用仿生小波变换法对包含噪声的语音信号进行小波分解,以分离出来的噪声信号作为自适应滤波器的输入,选择基于模糊推理变步长自适应算法对带噪声语音信号进行降噪处理,最终实现语音信号的信噪分离,去除语音信号中的噪声。仿真结果表明,该方法对语音信号有较为明显的降噪效果。     

利用频谱排序和筛选的突变噪声快速估计

针对最小值控制递归平均(Minima Controlled Recursive Averaging,MCRA)算法不能快速跟踪突变噪声的问题,提出了一种基于频谱排序和筛选的突变噪声快速估计方法。该方法在MCRA算法的基础上对带噪语音的功率谱进行排序,筛选出不含语音信号的频点来估计噪声的平均功率谱;当检测到噪声突变时,对当前的平滑参数和状态变量进行校正。仿真结果表明,该方法可以将突变噪声的跟踪时间缩短90%以上;用于语音降噪处理时,音质可以提升约0.4分。该方法具有一定的工程应用价值。     

一种基于语谱图分析的语音增强算法

针对传统谱减法会产生“音乐噪声”及在低噪比环境下降噪效果不理想的问题,提出一种基于语谱图分析的语音增强算法.所提方法先对带噪语音进行谱减处理,再通过语谱图分析对处理后的语音信号进行去小亮块处理,即对“音乐噪声”进行有效的削弱,最后通过设置阈值,滤除低灰度值的成份,即消除残留近似高斯噪声.实验结果表明,提出的算法可以有效地解决谱减法后残留的“音乐噪声”及低信噪比下谱减法残留噪声较大的问题.     

高性能语音捕获Soc提升语音清晰度

在开放环境中,便携设备的语音发送受到诸如风噪、交通噪声、建筑工地噪声、人群噪声和脚步声等种种噪声的干扰,即便是室内通话,也存在办公室人声、笔划噪声和电脑噪声等噪声源的干扰。目前针对这些噪声的抑制消除技术主要包括三类:降噪麦克风     

基于DSP的发送端语音降噪技术的实现

主要论述了发送端语音降噪技术,包括自适应降噪技术、自适应降噪和谱相减结合的联合降噪技术及传声器阵列降噪技术,并基于TMS320C3X系列DSP的硬件平台,实时实现了发送端语音降噪技术,取得了显著的消噪效果。     

基于频带间相关性的加权噪声功率谱估计

噪声功率谱估计是语音增强系统的一个重要组成部分。本文在加权噪声估计的基础上,考虑了带噪语音在相邻频带间的相关性,提出了一种新的噪声功率谱估计算法。该算法保留了加权噪声估计算法的优点,利用频域平滑及时域平滑后的带噪语音来求加权因子,能够更好地区分弱语音与噪声,尤其是对强语音后的弱语音与噪声区分更明显,从而具有更快的跟踪速度及更少的噪声过估计。客观实验和主观实验都证实了本文提出的算法的有效性。     

基于噪声被掩蔽概率的优化语音增强方法

利用听觉系统的掩蔽特性,提出了一种优化的语音增强方法。研究表明,噪声被语音掩蔽的概率是噪声强度和听觉掩蔽阈值的函数。考虑到噪声在带噪语音中的出现具有不确定性,各语音谱分量的最终估计由对带噪语音的谱分量和用传统的增强方法估计的谱分量的加权求得,加权因子由噪声被掩蔽概率确定。语音增强性能的评估结果表明,这种优化的语音增强方法在减少语音失真与加强噪声抑制之间取得了良好的折衷,减少了语音的听觉失真, 有效地抑制了音乐噪声,提高了增强语音的清晰度。     

单麦克风和双麦克风语音增强系统的研究

本文对采用减谱法和箱关法的语音增强系统进行了研究，系统的噪声为白噪声和普通机房噪声。减谱法采用单麦克风输入，试验中发现语音的分帧方法对消噪影响很大，通过比较得到了一种具有明显消噪效果的分帧方法，在相关法中采用双麦克风输入，对两个输入信号之间的时延差进行了补偿，在求维纳滤波器系数时，对信号谱进行统计平均，从而使消噪后的语音信号具有较好的自然度。在研究以上两种方法的基础上，我们提出了一种混合消噪系统，     

一种基于Matching pursuits时频分解算法的语音降噪方法

提出一种基于时频分解算法的语音降噪方法,利用Matchingpursuits时频分解算法对含噪语音信号进行分解,把分解后的各个分量的魏格纳分布之和作为整个信号的魏格纳分布,这样便使得信号和噪声在时频平面上有了较直观的分布,利用这个特点对信号进行降噪。仿真结果表明,该方法能在保证可听懂度的情况下,有效地去除含噪语音信号中的宽带噪声。     

基于子空间域噪声特征值估计的语音增强方法

传统信号子空间语音增强方法中均采用语音活动检测方法估计噪声,当噪声统计特性发生变化或信噪比较低时使用语音活动检测不能准确的估计噪声.本文给出一种基于子空间域噪声特征值估计的语音增强方法.结合语音存在概率对带噪语音协方差矩阵在每个特征向量上的特征值递归平滑得到噪声估计,可以在每一帧内更新噪声特征值.该方法不需要区分有声段和无声段,能够更加准确的反映当前时刻的噪声水平,具有鲁棒性.实验结果表明本文方法要优于传统的子空间语音增强方法.     

基于加权噪声的递归平滑噪声功率谱估计

提出了一种噪声功率谱估计算法,该算法对加权后的带噪语音进行递归平滑,可以持续更新噪声并可应用于非平稳噪声环境中。为了避免在强语音后的弱语音区域出现噪声过估计,本文提出了用于计算加权函数的投影平滑算法。本文噪声估计算法可以快速跟踪噪声的变化并且没有过估计。实验结果表明,本文噪声估计算法应用于一个语音增强系统时,取得了较小的噪声分段估计误差及较好的感知语音质量评价(PESQ)得分。     

结合人耳听觉感知的两级语音增强算法

针对现有语音增强算法面临残留噪声这一问题,结合人耳听觉系统的掩蔽特性,本文提出了一种优化的语音增强算法。算法分为两级,第一级利用MMSE-LSA谱估计法对带噪语音进行降噪处理,经过处理后,带噪语音信号的信噪比得到了提高。然后,针对第一级增强语音信号中的残余噪声利用人耳听觉掩蔽特性掩蔽掉。为此,算法结合人耳听觉掩蔽特性设计了感知增强滤波器,该滤波器能够有效去除第一级增强语音信号中的残留噪声。仿真实验表明,在各种复杂背景噪声以及信噪比环境下,经过本文算法处理后的增强语音信号残留噪声明显减少,算法提升了增强语音的主观感知质量。      

基于多时间尺度复合子带噪声语音识别新方法

本文根据多时间尺度分析与子带方法,提出了一种多时间尺度复合子带的噪声环境下语音识别新方法.新方法在不同的时间尺度下分别进行子带特征提取和全带特征提取,并分别进行识别,然后在识别概率层相结合得到最终识别结果.本方法兼有多时间尺度方法和子带方法的抗噪性能.此外,进一步引入频谱差分方法提高语音特征的抗噪性能.对E-SET在NoiseX92下白噪声的识别实验表明,新方法具有良好的抗噪性能.     

一种新的基于数据场的语音增强算法

语音增强是消除噪声干扰的主要手段,在语音处理系统中得到广泛应用。传统语音增强算法认为相邻帧语音幅度谱之间是相互独立的,而研究表明语音幅度谱时频点之间存在相互依赖关系。缺乏对邻域时频结构信息的利用使得传统增强算法的性能难以进一步提高。本文首次将数据场引入到对语音的听觉感知领域,用数据场对语音的时频依赖性进行建模,提出一种新的基于数据场的语音增强算法。该算法通过最小化势场分布的熵确定了时频点之间的相互作用力程,在带噪语音数据场中估计噪声的最小统计量得到二值时频掩蔽值,最后利用二值时频掩蔽消除噪声干扰。实验测试表明,与Martin算法相比,基于数据场的语音增强算法在提高去噪效果的同时能有效减少语音的失真。      

基于语音增强方法的语音端点检测

语音端点检测的检测结果好坏对后续的语音处理起着决定性的作用。为了解决语音端点在低信噪比情况下检测率不高的问题,该文提出了基于深度置信网络去噪的语音增强方法与传统的端点检测方法相结合的方法。该方法首先由大量的语音数据训练深度置信网络模型,使其能够很好地映射带噪与无噪语音之间的非线性关系,进而使其成为一个良好的降噪滤波器,再对比带噪与去噪后语音对端点检测准确率的影响,以及不同信噪比的端点检测的正确率。从该实验结果可以得到,该方法在平稳噪声和非平稳噪声的低信噪比情况下都可以提高语音端点检测的准确率。