脉冲噪声环境中基于clipping方法的鲁棒LPFT及其重排算法

为了更好地处理脉冲噪声环境中的时变信号,本文提出了基于clipping方法的鲁棒局部多项式傅里叶变换(LPFT)及其重排算法。首先利用clipping方法对信号中掺杂的脉冲噪声进行抑制,得到较好的信号时频分布表示,然后将重排算法与该鲁棒LPFT相结合,以提高信号的时频聚集性。通过实验仿真可以看出,与基于中值滤波器的鲁棒LPFT相比,基于clipping方法的鲁棒LPFT同样能对被脉冲噪声干扰的信号给出较好的时频表示,而且其瞬时频率估计的最小均方误差(MSE)较低,计算量较小。并且,本文在基于clipping方法的鲁棒LPFT对掺杂脉冲噪声的信号进行处理的基础上,利用重排算法与其结合,有效增强了信号的时频聚集性。因此基于clipping方法的鲁棒LPFT及其重排算法是一种高效的处理脉冲噪声干扰信号及提高信号时频聚集性的方法。     

时频掩码优化的两阶段语音增强算法

针对传统深度神经网络语音增强算法未区分在不同信噪比环境中去噪的侧重点,同时考虑到预测相位信息对于语音增强的重要性,提出了时频掩码优化的两阶段语音增强算法.第一阶段将带噪语音的幅度谱特征输入深度神经网络进行训练,预测得到干净语音幅度谱和噪声幅度谱;第二阶段通过信噪比信息估计增益系数,以控制残留噪声和语音失真之间的平衡;同...     

基于最小统计量和掩蔽效应的单通道语音增强

利用人耳感知的掩蔽特性，并结合含噪语音能量的最小统计量估计，提出了一种低信噪比下的单通道语音增强算法。该算法对原始语音在Bark频带能量的最小统计量进行估计，从而准确估计含噪语音信噪比，再从感知的角度，在时域和Bark频域上合理调整增强系数，以实现语音增强的目的。实验表明，该增强算法能够在减小语音失真的同时，很好地抑制背景噪声和残余音乐噪声。     

自适应语音增强算法综述

语音增强用来降低抑制住背景噪声,达到改善语音质量和可懂度的目标,使听者乐于接受语音增强的同时可以更好的听懂语音。目前大部分语音增强算法在实验室环境下效果都比较好,但面对复杂背景噪声环境,语音质量和可懂度下降非常明显。针对复杂背景噪声环境,使得增强语音随噪声时变而变化,一般采用自适应算法对语音进行处理,改善语音质量。     

自适应语音增强算法综述

语音增强用来降低抑制住背景噪声,达到改善语音质量和可懂度的目标,使听者乐于接受语音增强的同时可以更好的听懂语音。目前大部分语音增强算法在实验室环境下效果都比较好,但面对复杂背景噪声环境,语音质量和可懂度下降非常明显。针对复杂背景噪声环境,使得增强语音随噪声时变而变化,一般采用自适应算法对语音进行处理,改善语音质量。     

基于信号相位差和后置滤波的语音增强方法

 在复杂的声学环境中,通常噪声场特性和混响强度是未知的,这样就对麦克风阵列语音增强算法的性能提出了较高的要求.本文提出一种基于带噪语音信号相位差和后置滤波的语音增强方法.首先,将麦克风阵列接收信号分帧,利用相邻两个麦克风之间每帧带噪语音信号的相位差,构成该帧改变频率点幅度谱值的比例系数,对该帧带噪语音信号进行掩蔽增强处理,得到预处理信号;然后利用固定波束形成、独立分量分析算法和后置滤波技术对预处理信号进一步处理,从而有效地抑制了噪声.计算机仿真实验结果表明,在存在一定混响的多种噪声场中,该方法均具有较好的噪声抑制能力.     

基于噪声整形的语音去噪算法

针对非平稳环境噪声提出一种基于噪声整形的语音去噪算法.该算法以最小感知均方误差为准则,在Wiener滤波的基础上,采用听觉感知加权函数修正Wiener滤波方程,实现对噪声谱整形,使噪声谱分布特性跟随语音谱而变:同时引入频率补偿因子克服非平稳噪声谱对语音影响的不均匀性;采用快速噪声估计算法实现对非平稳的估计.实验表明,该算法能更有效地抑制背景噪声,提高了去噪后的语音质量.     

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。      

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...     

一种基于感知滤波的语音去噪算法

文中针对加性白噪声的环境下,通过在传统的Wiener滤波算法中引入人耳听觉感知特性及谱减算法,提出了一种新的基于感知滤波的语音去噪算法.该算法的关键是采用LPC分析得出的感知加权函数修正维纳滤波方程,使噪声谱分布随语音而变.不仅保持Wiener滤波算法的优点,而且降低噪声对纯净语音的影响.实验表明,该方法能更有效地抑制背景噪声,提高语音质量,且具有较低的计算复杂度.     

面向旋翼飞机螺旋桨干扰的AM通信语音信号智能增强方法

为改善旋翼飞机空地语音通信质量,针对旋翼飞机螺旋桨造成的幅度调制(Amplitude Modulation, AM)信号复杂多频干扰以及恶劣机舱背景噪声,提出了一种通信语音时频掩膜智能增强方法,从而实现对机舱噪声与复杂干扰的有效抑制。该方法首先对原始时域语音信号进行分帧与加窗,通过短时傅里叶变换获取幅度谱与相位谱;然后将原始幅度谱作为网络输入,采用深度神经网络分析其语音信号的特征,采用长短期记忆网络挖掘语音信号的时序上下文信息,实现对语音时频掩膜的准确估计,并将其用于增强原始幅度谱以得到网络输出;最后结合原始相位谱,通过逆短时傅里叶变换获得增强后的时域语音信号。仿真与实际测试表明,该方法可有效抑制旋翼飞机环境下的干扰噪声,提高通信语音信号质量。     

一种基于CASA的单通道语音增强方法

基于对计算听觉场景分析(Computational Auditory Scene Analysis,CASA)算法思想的研究,提出了一种单通道语音增强方法。通过分析白噪声、风噪声、周期性噪声三类典型噪声和一般语音信号的频谱特点,构造适合的信号提取特征作为线索,判别出信号时频单元中的主要信号成分,然后对各时频单元乘以相应的衰减系数以掩蔽噪声成分。对仿真实验结果的客观测试和非正式听音测试表明,相对于常用的多子带谱减法和维纳滤波法,所提出的算法能够更有效地抑制白噪声、风噪声、周期性噪声等背景噪声。     

基于噪声谱约束的二值掩码估计语音增强算法

提出一种基于噪声谱约束的二值掩码估计语音增强算法,用以提高低信噪比情况下的语音可懂度。首先分析了低信噪比时,先验信噪比过估对噪声谱估计函数的影响;再分别对先验信噪比和噪声谱估计函数进行修正;最后,根据修正后的噪声谱估计函数和先验信噪比判断出噪声谱被欠估的时频单元,估计出二值掩码值,并对相应的增强后语音时频单元进行幅度谱约束。仿真结果表明,在几种常见背景噪声的低信噪比情况下,相比于传统维纳滤波法,本文算法效果更好,能有效的提高语音可懂度。      

On the time-frequency analysis based filtering

Efficient processing of nonstationary signals requires time-varying approach. An interesting research area within this approach is time-varying filtering. Since there is a certain amount of freedom in the definition of time-varying spectra, several definitions and solutions for the time-varying filtering have been proposed so far. Here we will consider the Wigner distribution based time- varying filtering form defined by using the Weyl correspondence. Its slight modification will be proposed and justified in the processing of noisy frequency modulated signals based on a single signal realization. An algorithm for the efficient determination of the filters ’region of support in the time-frequency plane, in the case of noisy signals, will be presented. In the second part of the paper, the theory is applied on the filtering of multicomponent noisy signals. The S-method is used as a tool for the filters’region of support estimation in this case. This method, combined with the presented algorithm, enables very efficient time-varying filtering of the multicomponent noisy signals based on a single realization of the signal and noise. Theory is illustrated by examples.     

脉冲噪声下跳频信号时频图修正

为了在α稳定分布噪声的环境下获得清晰的跳频信号时频图,提出一种基于分数低阶SPWVD(Smoothed Pseudo Wigner-Vile Distribution)与形态学滤波相结合的跳频信号时频图修正算法。首先,根据接收到的多跳频信号建立跳频信号的模型和α稳定分布噪声模型;然后,采用低阶SPWVD变换抑制时频图中脉冲噪声;最后,根据形态学滤波处理方法对残留噪声进一步抑制进而得到清晰时频图。理论分析和仿真结果表明,所提算法在广义信噪比为-5 dB时仍可以得到清晰可靠的跳频信号时频图,并且基于时频图的参数估计性能优良。     

基于时频矩阵局部对比度的跳频信号参数估计

为了提高低信噪比下跳频信号参数估计性能,提出了一种基于时频矩阵局部对比度的跳频信号参数估计算法。根据跳频信号和噪声的时频分布不同特点,利用时频矩阵在不同尺度滑窗下的局部能量对比值均值,得到多尺度局部能量对比特征矩阵,通过此特征矩阵和自适应阈值分离得到仅保留了跳频信号时频信息的时频矩阵P。然后从P中提取时频跳变信息,精确估计跳频信号的跳频周期、起跳时间和跳变频率。仿真结果表明,与传统局部对比度（local contrast measure,LCM）法及形态学滤波法相比,本文算法具有更好的跳频信号提取效果和更高的参数估计精度,其有效性与实用性在DSP+FPGA的硬件系统上得到了测试验证。     

基于最小控制GARCH模型的噪声估计算法

MCRA（ Minima-Controlled Recursive Averaging ）方法是经典的噪声估计算法,然而在语音段MCRA方法存在不能对噪声功率谱进行有效更新的问题。针对这一问题,本文利用广义自回归条件异方差（ Generalized Autoregres-sive Conditional Heteroskedasticity ,GARCH）模型在时频域对噪声信号建模,在MCRA算法原理的基础上,提出了基于最小控制GARCH模型的噪声估计算法,实验结果表明,本文所提的噪声估计算法能够更为准确估计噪声功率谱,将该算法应用到语音增强中能够获得到较好的语音增强效果。     

基于Matching Pursuits时频分解算法的传声器阵语音增强

根据在时频域中对含噪语音信号进行的时频分析研究,提出1种基于MatchingPursuits时频分解算法的语音降噪方法。利用MatchingPursuits算法对含噪语音信号进行分解,将分解后各分量的魏格纳分布之和作为整个信号的魏格纳分布,使信号在时频平面上有较直观的分布,并利用此特点对信号进行降噪。仿真结果表明:此方法能在保证可懂度的情况下,有效去除含噪语音信号中的宽带噪声。     

Robust speech features based on wavelet transform with application to speaker identification

An effective and robust speech feature extraction method is presented. Based on the time-frequency multiresolution property of the wavelet transform, the input speech signal is decomposed into various frequency channels. For capturing the characteristics of an individual speaker, the linear predictive cepstral coefficients of the approximation channel and entropy value of the detail channel for each decomposition process are calculated. In addition, an adaptive thresholding technique for each lower resolution is also applied to remove the influence of noise interference. Experimental results show that using this mechanism not only effectively reduces the influence of noise interference but also improves the recognition performance. Finally, the proposed method is evaluated on the MAT telephone speech database for text-independent speaker identification using the group vector quantisation identifier. Some popular existing methods are also evaluated for comparison, and the results show that the proposed feature extraction algorithm is more effective and robust than the other existing methods. In addition, the performance of the proposed method is very satisfactory even in a low SNR environment corrupted by Gaussian white noise.