语音增强:使用burg谱先验信噪比估计消除"音乐噪声"

针对谱衰减增强算法中存在的"音乐噪声"问题,提出一种新的估计先验信噪比的方法.文章深入分析了谱衰减算法中"音乐噪声"的产生原因和抑制机理,并基于对先验信噪比的平滑,准确性和分辨率三者之间的关系以及它们对增强算法的影响等方面的综合考虑,选择burg方法结合直接判决准则进行估计,从而得到更加接近于真实情况下的先验信噪比.实验证明,在最小均方误差(MMSE)和对数谱最小均方误差(LSA-MMSE)增强算法中使用文章提出的先验信噪比估计,可以有效抑制"音乐噪声",同时,语音失真也进一步降低.     

基于听觉感知的LSA-MMSE改进型语音增强方法

传统增强方法的增益函数对每个频点都进行估计,必然会引进相对较多的语音失真.为了提高低信噪比下的语音增强效果,提出了一种计算掩蔽概率的方法,得到优化的语音增强方法.基于听觉感知特性,对噪声被掩蔽部分的带噪语音谱和未掩蔽部分采用不同处理方法.增强后的语音可以表示为这两个状态下单独估计的加权和,其中权重与噪声被掩蔽概率有关.通过与Virag的方法、LSA-MMSE估计等方法进行比较,实验结果表明所提的增强方法能在低信噪比下有效地抑制残留噪声的同时保持更小的语音失真.     

一种基于MMSE-LSA和VAD的语音增强算法

通过介绍语音增强的特点,详细分析了最小均方误差对数谱幅度估计(MMSE-LSA)算法,并提出了与MMSELSA算法相匹配的语音激活检测(VAD)算法。该方案计算简单、易于实现且语音增强效果好,能够动态地跟踪背景噪声的变化。最后通过仿真分析,比较了MMSE-LSA与其它几种语音增强算法的增强效果。     

基于动量项先验信噪比估计的语音增强算法

先验信噪比(Signal Noise Ratio,SNR)估计的精度影响着语音增强算法的性能.直接判决(Decision Directed,DD)算法是最常用的先验信噪比估计算法,但是,该算法估计的增强语音语音失真严重.首先介绍了语音增强算法的基本理论并分析了DD算法、TSNR算法和融入动量项算法,然后运用MATLAB软件进行实验仿真,对比分析了融入动量项算法的性能优势.     

基于稀疏约束的PLCA和谱掩蔽的语音增强算法

针对传统语音增强方法在非平稳噪声环境下增强效果不理想的问题,提出了一种基于稀疏约束的概率潜分量分析(PLCA)和谱掩蔽的语音增强算法。该算法分为训练和增强两个阶段。训练阶段用稀疏约束的PLCA(SPLCA)和无约束的PLCA分别对语音谱和噪声谱建模成意义清晰的边缘分布,并用期望最大(EM)算法求其最优边缘分布,得到语音字典和噪声字典。增强阶段固定训练的字典,利用SPLCA推导出对应的语音编码矩阵和噪声编码矩阵,初步重构出语音和噪声,最后利用谱掩蔽得到增强语音。实验结果表明,该算法在抑制噪声、提高信噪比和减少语音失真方面要优于传统方法。     

色噪声下基于白化频谱重排鲁棒主成分分析的语音增强算法

基于鲁棒主成分分析(RPCA)的单通道语音增强算法是高斯白噪声环境下语音增强的一种重要处理手段,但其对低秩语音分量处理效果欠佳且无法较好地抑制色噪声。针对此问题,该文提出一种基于白化频谱重排RPCA的改进语音增强算法(WSRRPCA),通过优化噪声白化模型,将色噪声语音增强转换成白噪声语音信号处理,利用频谱重排改进RPCA语音增强处理算法,从而获得色噪声环境下语音信号处理性能的整体提升。仿真实验表明,该算法能够较好地实现色噪声环境下的语音增强,且相对于其他算法具有更佳的噪声抑制和语音质量提升能力。     

一种基于子带GSC的语音增强算法

提出一种基于GSC的语音增强算法,该算法应用了DFT调制子带滤波器组将语音信号分解到子带进行自适应滤波,从而获得更好的增强效果以及更低的运量复杂度.同时,将范数约束自适应滤波(NCAF)算法应用于自适应噪声对消器(ANC)以降低语音的失真度.为了进一步去除增强后语音中的残留噪声,算法使用改进的Wiener后置滤波器.仿真结果表明,相对于基于全带GSC的麦克风阵列语音增强算法以及传统Wiener后置滤波算法,采用本文所用算法具有更高的输出分段信噪比.     

基于动量项先验信噪比估计的语音增强算法的研究

先验信噪(SNR,Signal Noise Ratio)估计的精度影响着语音增强算法的性能。直接判决算法 (DD, Decision Directed)算法的计算简单且音乐噪声残留少,是最常用的先验信噪比估计算法,但是,该算法估计的增强语音语音失真严重。本文首先介绍了语音增强算法的基本理论并分析了DD算法、TSNR算法和融入动量项算法,然后运用MATLAB软件进行实验仿真,对比分析了融入动量项算法的性能优势。     

基于CMN和PMC算法的语音增强失真补偿方法研究

语音增强技术在低信噪比情况下,由于语音增强带来的失真使得系统的识别性能严重下降.因此提出一种结合特征空间的倒谱均值归一化算法(CMN)和模型空间的并行模型合并算法(PMC)的语音增强失真补偿技术.实验结果表明,该方法有效提高了低信噪比情况下的语音信号识别率.     

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。      

基于先验信噪比参数自适应的频域联合语音增强方法

该文针对单通道频域语音增强方法存在的问题,提出了一种频域联合语音增强新方法,即将改进的基于先验信噪比频域语音增强方法与迭代谱减法相结合进行语音降噪的方法。实验表明,该方法消噪量大,对语音的损伤小,同时有效地降低了音乐噪声。     

基于频谱减法的语音去噪算法研究

语音增强技术是音频信号处理中的重要部分,频谱减法是目前在语音增强技术中最常用的方法之一。针对传统频谱减法会产生音乐噪声并无法消除音乐噪声的不足之处及高频噪声干扰比较严重的情况下频谱减法效果差的情况,采用了在频谱减法之后进行LMS滤波以降低音乐噪声对语音质量的影响和低通滤波以滤除脉冲干扰。根据仿真结果表明,改进扩展频谱减法能够有效降低音乐噪声和尖锐的高频兹兹声,从而提高信噪比,达到语音增强的目的。     

改进语音增强多频带谱减算法研究

针对传统谱减语音增强算法增强后的语音信号会残留明显的"音乐噪声"的问题,采用多频带谱减算法对其进行改进。改进算法的原理是将带噪的语音信号按照频率划分成不同的频带,并使这些频带之间互不交叠,根据频带内带有噪声的语音信号和噪声信号信噪比,利用自适应算法求得该频带的过减因子。仿真结果表明:改进多频带谱减算法的语音增强效果优于传统谱减法。     

Spectral subtraction based on phonetic dependency and maskingeffects

A speech state-dependent spectral subtraction method to regulate the blind spectral subtraction for improved enhancement is proposed. In this method a modified subtraction rule is applied over the speech selectively contingent to the speech state being voiced or unvoiced, in an effort to incorporate the acoustic characteristics of phonemes. The aim is to remedy the subtraction induced signal distortion attained by two state-dependent procedures: spectrum sharpening and minimum spectral bound. In order to remove the residual noise, the proposed method employs a procedure utilising the masking effect. The proposed spectral subtraction, including state-dependent subtraction and residual noise reduction using the masking threshold shows effectiveness in terms of the compensation of spectral distortion in the unvoiced region as well as residual noise reduction     

基于听觉掩蔽效应的语音增强算法的研究

提出了一种基于听觉掩蔽效应的语音增强算法。算法对含噪语音的增强包括谱减法语音增强和感知加权语音增强两个步骤,分别从客观和主观两方面来提高含噪语音的质量。在谱减法阶段考虑了语音和噪声谱的交叉项,有效地减少了增强语音中的残余噪声;在感知加权处理中充分利用了人耳的掩蔽效应,设计了感知加权滤波器,对谱减法增强后的语音进行滤波,进一步消除残余噪声。对算法进行了数值实验,实验结果表明该算法能有效提高含噪语音的质量,比传统的谱减法有较大改进。     

一种基于后验信噪比频域语音增强方法的研究

谱减法是常用的单通道语音降噪方法,传统谱减法在抑制背景噪声的同时引入了“音乐噪声”,影响听觉效果。为了抑制音乐噪声,提出了一种基于后验信噪比的频域语音增强新方法,当后验信噪比较高时,采用基于后验信噪比的谱减法增强语音信号;当后验信噪比较低时,采用基于后验信噪比的谱衰减方法对含噪语音信号谱线进行衰减,达到语音增强的目的。仿真结果表明,基于后验信噪比的频域语音增强法具有较好的背景噪声和音乐噪声抑制效果,并保持了较好语音可懂度。     

一种改进型MMSE语音增强方法

本文提出了一种改进型语音短时谱最小均方误差(MMSE)估计的增强方法。通过在每一帧及帧内每一频点对无音的概率(SAP)进行估计,得到Ephraim和MalahMMSE估计算法的改进形式。对增强后的语音客观和主观测试表明:在低信噪比条件下,相对于传统的谱减法和MMSE估计方法,这种改进的方法能更好的抑制背景噪声和残留的“音乐噪声”。     

基于河南方言的低信噪比下基音检测算法研究

基音检测是河南方言语音信号处理中的一个重要环节,针对低信噪比环境下的河南方言语音基音检测准确率低的问题,提出了一种语音信号增强和基音检测相结合的算法.通过多窗谱估计的改进谱减法对语音信号进行降噪处理,对增强后的语音信号用中心削波法消除偏离基音轨迹的野点,再通过自相关法实现基音检测.仿真结果表明,对于低信噪比环境下河南方言语音信号的基音估值检测结果准确,估算出的基音频率和实际基音频率能很好的重合.     

基于改进谱减法的语音增强

针对传统谱减法具有残余音乐噪声过强,清音部分损失严重的缺点,提出了一种利用语音信号的短时平均幅度差特征（AMDF）并结合短时平均幅度（AM）的语音检测算法,在原始语音估计式中引入了参数α和β,对传统的谱减法进行改进。根据采集的真实带噪语音数据,将传统谱减法和改进的谱减法结果进行了比较分析。在研究基于改进的谱减法的语音增强算法基础上,构建了以TMS320VC5509和TLV320AIC23 Codec为核心器件的实时系统,能够有效地提高语音信噪比．信号的信噪比由12．2dB提高到了4．0dB．改善了语音质量。