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。     

改进的基于语音存在概率的噪声功率谱估计算法

噪声功率谱估计是语音增强算法中的关键技术之一.针对在非平稳噪声环境下噪声功率谱估计不够准确的问题,采用了基于后验语音存在概率的噪声功率谱估计算法,并对其中的语音存在概率估计算法进行了改进.利用语音信号的短时平稳性,在时域和频域上利用相邻帧和相邻频点的相关性估计当前帧的语音存在概率.仿真结果表明,该算法与原始算法及改进的最小值控制递归平均噪声估计(IMCRA)算法相比,能够有效提升非稳态噪声环境下噪声功率谱估计准确度和语音增强效果.     

利用功率谱最大最小平均比的频谱感知算法

由于载波频偏未知和噪声不确定性影响,信号功率谱的最大值和最小值不能根据单个频点来准确估计。该文提出利用功率谱最大最小平均比的频谱感知算法。利用基频附近一段功率谱的平均值作为功率谱最大值估计,利用功率谱中点频率附近一段的平均值作为功率谱最小值估计,将此二者之比作为检测统计量。推导了算法的虚警概率,得到了判决门限。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法性能优于基于功率谱分段对消频谱感知算法（PSC）和基于功率谱的平均比值算法（PSRA）,降低了载波频偏未知和噪声不确定性对频谱感知算法性能的影响。      

基于功率谱密度中段平均的频谱感知算法

根据有、无主用户信号时接收信号功率谱最大、最小值差值不同的特点,提出了一种基于功率谱密度中段平均的频谱感知算法.针对估计的信号功率谱在最小值附近波动多、最小值难以根据单个点准确给出的问题,利用接收信号功率谱中段平均值估计功率谱的最小值,降低最小值的随机性对频谱感知算法性能的影响.理论推导了检测门限和检测概率的表达式,并对算法进行了仿真分析.仿真结果表明,在AWGN信道和Rayleigh衰落信道中,本文算法性能都优于已有的功率谱密度频谱感知算法.该算法无需主用户信息,不用进行复杂的特征值分解.     

一种基于自适应噪声估计的宽带语音增强算法

为解决传统算法对噪声适应性较差,残留音乐噪声较强的问题,本文提出了一种基于自适应噪声估计的宽带语音增强算法。该算法可应用于宽带语音编码器,以提升在噪声环境下的编码质量。本文所提算法利用谱熵对噪声类型进行有效的判别,将背景噪声分为白噪声和有色噪声两类,并根据噪声特性选择适当的噪声估计方法。在白噪声背景下,选择一种谱平滑的方法;在有色噪声背景下,则选择经典的最小值控制递归平均算法。在此基础上结合经典的统计模型方法,构建一种具有较强噪声鲁棒性的宽带语音增强算法。在ITU-T G.160标准下对算法进行性能测试,测试结果表明,在不同强度的背景噪声环境下,增强语音的信噪比提高都较为明显。同时,在低信噪比情况下,该算法有效的抑制了严重影响听觉质量的音乐噪声现象。      

利用功率谱极值和几何平均的频谱感知算法

为了提高基于功率谱的频谱感知算法抗噪声不确定性、抗频偏及低信噪比下检测性能,本文利用功率谱的部分样本平均估计最大值,以降低信号频偏对频谱感知性能影响;利用功率谱的最大值与最小值之差与功率谱几何平均之比作为判决统计量,以尽可能消除噪声影响及保留主用户信号;推导得到了检测门限表达式,表明该算法对噪声不确定性不敏感。加性高斯白噪声信道和瑞利衰落信道下的仿真结果表明:该算法频谱感知性能优于已有的基于功率谱的频谱感知算法,降低了未知载波频偏和噪声不确定性对频谱感知算法性能的影响,该算法能够有效检测实际信号。      

噪声估计和谱熵结合的语音激活检测算法

本文提出一种语音激活检测的改进算法。首先在传统噪声估计的基础上,用Bark子带代替了DFr频域变换,目的在于降低计算复杂度;其次将估计的噪声谱进行白化滤波,并运用于子带谱熵算法中的谱熵计算中。把谱熵值作为VAD算法提取的特征参数,通过门限设定与比较,得出最初的VAD判决结果。增加拖尾延迟保护机制得出最终的VAD判决结果。     

采用复高斯分布模型的两步噪声幅度谱估计算法

噪声幅度谱估计是有效抑制外界噪声干扰、提高语音增强算法整体输出性能的重要环节。但目前针对该问题的研究相对较少,常用的语音激活检测算法只能在语音不存在阶段对噪声信号的幅度谱进行更新或估计,无法适用于更为复杂的非平稳噪声环境。为克服这一问题,本文基于噪声频谱的复高斯分布模型假设,提出了新型的两步噪声幅度谱估计算法。算法首先采用软判决技术计算噪声信号的功率谱,然后再结合复高斯分布条件下信号幅度谱和功率谱之间的数学关系间接地获取噪声幅度谱的估计。文中基于这一结论给出了两种估计算法,并在多种噪声环境下对它们的性能进行了仿真评估,其测试结果有效表明了提出算法优良的估计性能。      

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。     

基于改进语音存在概率的自适应噪声跟踪算法

在非平稳环境下,由于时间递归平均噪声功率谱估计算法会出现跟踪延迟和估计误差等问题,本文采用一种新的方式对其核心部分语音存在概率（speech presence probability, spp）进行估计。利用时域特征能量与频域特征谱熵的比值能熵比作为新的特征来构建其与spp的正比关系,从而得到当前语音帧的spp估计值;然后用双平滑系数对该值进行平滑;最后结合时间递归平均算法得到估计的噪声功率谱。该算法充分利用语音帧频点的特征信息控制spp的估计值,以此自适应地跟踪噪声变化。实验结果表明:在地空通信环境下,该方法能够准确且连续地跟踪噪声功率谱、快速响应其变化。集成到语音增强系统后,可以提高语音质量,降低残留噪声。      

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。      

脉冲噪声条件下的相关熵谱估计

基于相关函数的常规功率谱估计方法在脉冲噪声环境中性能下降明显,受大脉冲干扰时甚至会失效。而具有局部相似度量特性的相关熵对脉冲信号的影响并不敏感,能够很好地适应脉冲噪声条件。将受干扰信号的相关熵函数代替自相关函数,得到基于相关熵的功率谱估计方法。通过仿真进行对比验证,结果表明在相同信噪比条件下基于相关熵的功率谱估计方法在α稳定分布噪声环境中更加稳健,特别在大脉冲条件下（α<1.6）能对有用信号进行更加有效的估计,且估计误差的均值和方差值仍保持很低。      

一种基于短时谱估计和人耳掩蔽效应的语音增强算法

该文结合短时谱估计算法和人耳掩蔽效应提出了一种单通道语音增强算法。该算法在MMSE准则下采用了非固定参数的语音跟踪,并且引入人耳掩蔽效应动态的确定增强滤波器的传递函数以适应语音信号的变化。实验结果表明:该算法使降噪后的语音信号有较小的语音失真并且很好地抑制了音乐噪声。     

非平稳环境下基于人耳听觉掩蔽特性的语音增强

传统的语音增强算法往往仅对平稳噪声或缓慢变化的噪声有效,且残留的音乐噪声较大。对此,本文研究了一种非平稳环境下基于听觉掩蔽效应的语音增强算法。该算法对传统谱减法的功率谱估计算法进行改进,根据最小均方误差原则和语音信号的听觉掩蔽阈值调整功率谱估计的参数,并引入了基于最小值统计特性的噪声估计算法,使估计的噪声更好地跟踪噪声的变化。实验结果表明:该算法对平稳和非平稳的噪声都得到较好的增强效果,且较好地抑制了音乐噪声。     

Noise cross PSD estimation using phase information in diffuse noise field

Among various speech enhancement methods, two-microphone noise reduction systems are utilized for their low cost implementation and acceptable performance. Coherence-based methods are well known as efficient two-microphone noise reduction techniques. These techniques, however, do not work well when the received noise signals are correlated. Coherence-based methods can be improved when the cross power spectral density (CPSD) of input noises is available. In this paper, we propose a new method for estimating noise CPSD based on the assumption of a diffuse noise field. With this assumption, we estimate the noise CPSD using phase information. Then, the estimated noise CPSD is used to calculate a coherence-based gain filter which is then employed to enhance noisy signals. We compare the proposed phase-based noise CPSD estimation with a noise CPSD estimation technique based on a voice activity detector (VAD), both of which are herein separately employed in a two-microphone speech enhancement configuration. The comparison shows that the two-microphone speech enhancement scheme utilizing the proposed noise CPSD estimation technique outperforms the enhancement system using the VAD-based noise CPSD estimation.     

基于听觉掩蔽效应和噪声估计的语音增强算法

谱减法在增强语音、提高信噪比的同时,残留的音乐噪声较大.在利用听觉掩蔽闻值对谱减系数进行修正的基础上,采用实时噪声估计来减少谱减法噪声估计误差,并对谱减后的语音信号进行感知滤波来进一步抑制残留音乐噪声.实验结果表明,该算法能去除噪声,增强语音,并在不影响信噪比的同时降低语音失真测度值.主观测听表明语音音质有明显提高.