基于DSP的高性能语音信号FIR滤波

介绍一种用TMS320VC5509 DSP对语音信号进行FIR滤波处理的方法。该方案使用TLV320AIC23 codec芯片来采集语音信号,然后再经过FIR滤波器的处理,得到高质量的语音信号。     

语音信号的低频滤波

数字语音处理是采用数字化的方法,对语音的传送、存储、识别、编码等进行数字化处理,涉及多个学科,广泛应用于数字通信、语言学习、自动翻译、人工智能等多个领域。滤波器在数字信号处理中发挥着重要作用。设计一个低通滤波器,对语音信号进行滤波,以获得语音信号的低频分量。     

基于DFRCT滤波器组自适应语音增强算法

提出一种改进的语音增强方法,将带噪语音信号进行子带分解,再对子带信号进行离散分数余弦变换（DFRCT）域滤波,利用了DFRCT良好的正交特性,且自适应滤波采用最小均方（LMS）算法。对滤波后的信号进行DFRCT逆变换得到增强后的子带语音信号,合成增强后的语音信号。仿真结果表明,该算法在减少输入信号自相关程度的基础上,提高了收敛速度,减少了计算时间（约10 s）,增强后的语音信号的分段信噪比（SegSNR）和PESQ值都有所提高,具有良好的语音增强效果。     

基于信息安全考虑的语音滤波器设计

语音分离技术的运用需求愈来愈广泛,有其是在人们对信息安全技术需求不断增加的情况下。本文设计了一种基于LMS算法的用于语音分离的自适应滤波器,并通过仿真结果对算法进行改进设计,以达到更好的分离效果。     

语音信号的预处理和特征提取技术

语音信号处理是一门多学科交叉的综合学科,它包含了语音学和数字信号处理等基础学科。这篇文章对语音信号作了两个方面的研究：语音信号的预处理和语音信号的特征提取。预处理是为了更好地进行语音信号的特征提取。是语音信号特征提取获得成功的重要保障。语音信号的预处理介绍了信号的主分量分析（PCA）技术和白化（whitening）技术．而语音信号的特征提取分为时域的和频域的特征提取。并用Madab编程实现了一段语音信号的分析处理。     

语音信号的预处理和特征提取技术

语音信号处理是一门多学科交叉的综合学科,它包含了语音学和数字信号处理等基础学科。这篇文章对语音信号作了两个方面的研究:语音信号的预处理和语音信号的特征提取。预处理是为了更好地进行语音信号的特征提取,是语音信号特征提取获得成功的重要保障。语音信号的预处理介绍了信号的主分量分析(PCA)技术和白化(whitening)技术.而语音信号的特征提取分为时域的和频域的特征提取。并用Matlab编程实现了一段语音信号的分析处理。     

基于递推最小二乘滤波器的语音增强

根据语音信号短时预测特性和短时准周期性，以当前采样前若干点和前若干周期的采样为观测样本，采用横向滤波器结构，构造基于递推最小二乘算法的自适应滤波器。该算法无需先验知识和参考信道，且对平稳或非平稳噪声均适用。实验证明，信噪比有明显提高，且增强后语音信号LPC倒谱与纯净语音LPC倒谱的欧氏距离也比增强前有了明显减小。     

基于MFCCs滤波的电话语音识别的通道补偿方法

本文提出一种基于ＭＦＣＣｓ滤波的通道补偿方法ＲＭＦＣＣ。它具有性能良好和运算简单的优点，在不失精度的前题下减少了计算代价。ＲＭＦＣＣ的性能也优于ＣＭＳ和二级ＣＭＳ。通过讨论发现许多抑制通道噪声的方法从本质上说都是采用滤波的方法，我们也证实了抑制非常低的调制频率是进行顽健的电话语音识别的有效途径。     

基于Kalman滤波的统一的Wiener状态滤波器

对于带相关噪声系统 ,基于稳态Kalman滤波器和自回归滑动平均 (ARMA)新息模型 ,提出了统一的渐近稳定的Wiener状态滤波器 ,可统一处理状态滤波 ,平滑和预报问题 .它们构成了一种新的时域Wiener滤波算法 .揭示了Kalman滤波器与Wiener滤波器之间的关系 .一个目标跟踪系统的仿真例子说明了它们的有效性     

基于LabVIEW的语音噪声数字滤波器的设计

针对传统的数字滤波器所采用的编程方法存在编写代码复杂、可移植性差等问题,提出了一种基于LabVIEW的语音噪声数字滤波器的设计方案。该滤波器采用图形化编程语言LabVIEW 8.6实现语音信号的滤波、实时测量与保存、报警等功能,与传统的滤波器相比,具有开发经费节省、开发过程简单、扩展功能方便和操作使用便易等优点。     

藏语语音的时域分析

时域分析在藏语语音技术的研究中具有非常重要的意义。为此,本文首先讨论了短时处理的基本思想,进而研究了几种主要的短时分析方法在藏语语音处理中的应用,主要包括短时能量、短时过零率、短时自相关函数等,并给出了相应的示例,研究表明这几种方法能够描述藏语语音的重要特性。     

基于时频分布的皮肤听声器简单语音辨析研究

为了解决皮肤听声器辨析语音的问题,提出了将时频分布应用于皮肤听声器,增加皮肤听声器的通道教量,从而使其能够达到辨析语音的要求;时频分布克服了时域分析和频域分析的不足,能够比较直观、合理地描述语音信号在时间一频率域上的能量分布情况及信号频率随时问变化的关系;最后,通过4通道皮肤听声器的实验,皮肤感受到了简单汉语语音的区别,从而验证了该方法是可行的.     

基于自适应滤波的语音增强和噪声消除

语音增强的主要目标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进行语音增强的方法,这种方法比其他方法多用了1个参考噪声作为辅助输入,从而获得了比较全面的关于噪声的信息,因而能得到更好的降噪效果.通过计算机上的模拟处理,处理后的语音信号较原噪声语音信号显著地提高了信噪比,同时能有效地改善语音可懂度.     

基于自适应滤波的语音增强和噪声消除

语音增强的主要目标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进行语音增强的方法,这种方法比其他方法多用了1个参考噪声作为辅助输入,从而获得了比较全面的关于噪声的信息,因而能得到更好的降噪效果。通过计算机上的模拟处理,处理后的语音信号较原噪声语音信号显著地提高了信噪比,同时能有效地改善语音可懂度。     

基于顺序统计滤波的实时语音端点检测算法

针对嵌入式语音识别系统,提出了一种高效的实时语音端点检测算法. 算法以子带频谱熵为语音/噪声的区分特征, 首先将每帧语音的频谱划分成若干个子带, 计算出每个子带的频谱熵, 然后把相继若干帧的子带频谱熵经过一组顺序统计滤波器获得每帧的频谱熵, 根据频谱熵的值对输入的语音进行分类. 实验结果表明, 该算法能够有效地区分语音和噪声, 可以显著地提高语音识别系统的性能. 在不同的噪声环境和信噪比条件下具有鲁棒性. 此外, 本文提出的算法计算代价小, 简单易实现, 适合实时嵌入式语音识别系统的应用.     

基于Gabor滤波的语音识别鲁棒性研究

为了提高语音识别系统的鲁棒性,提出一种基于GBFB（spectro-temporal Gabor filter bank）的声学特征提取方法,并通过分块PCA算法对高维的GBFB特征进行降维处理,最后在多个相同噪音环境对GBFB特征以及常用的GFCC,MFCC,LPCC等特征进行抗噪性能对比,与GFCC相比GBFB特征的识别率提高了5.35%,与MFCC特征相比提升了7.05%,比LPCC特征识别的基线低9个分贝。实验结果表明,在噪音环境下与传统的GFCC、MFCC以及LPCC等特征相比GBFB特征有更优越的鲁棒性。     

FRFT滤波的语音增强

针对传统去噪方法在强背景噪声情况下,提取声音信号的能力变弱甚至失效与对不同噪声环境适应性差,提出了一种动态FRFT滤波声音信号语音增强方法。给出了不同语音噪声环境下FRFT最优聚散度的更新机制与具体实施方案。用TIMIT标准语音库与Noisex-92噪声库搭配,实验仿真表明,该算法能有效地去噪滤波,显著地提高语音识别系统性能,且在不同的噪声环境和信噪比条件下具有鲁棒性。算法计算代价小,简单易实现。     

基于Gammatone滤波器组的客观语音质量评估

语音质量是评价通信系统的一项重要指标。现有的语音质量感知评估算法采用基于Bark谱的感知模型,其算法复杂度较大,并且对于人耳的频率选择性的模拟存在不足。针对这一问题,本文提出一种新的客观语音质量评估方法,采用更加符合人耳听觉特性的Gammatone滤波器组提取特征参数,计算原始语音与失真语音的平均失真距离,并由主观平均意见分值和归一化平均失真距离之间的映射关系求出客观平均意见分值。实验表明,与感知评估方法相比,本文所提出算法的计算复杂度大大降低,同时保持了客观平均意见分值与主观平均意见分值之间的高相关度。     

基于Kalman滤波的GSC改进语音增强算法

针对广义旁瓣相消器（Generalized sidelobe canceller,GSC）存在非相干噪声消除性能不佳的缺陷,提出了采用后置Kalman滤波器改进的GSC去噪算法。该算法通过归一化最小均方算法校正自适应噪声对消器,并将滤除方向性干扰噪声后的语音信号输出到Kalman滤波器中,对残余背景噪声进行迭代最小均方误差（Minimum mean square error,MMSE）估计,抑制非相干噪声与麦克风阵元所产生的热噪声。经过在不同信噪比条件下客观语音质量评估（Perceptual evaluation of speech quality,PESQ）及语谱图分析后证明,与传统的GSC以及后置谱减法的改进GSC相比,本算法在噪声消除上的表现更为优越,且增强后信号也更接近目标信号。     

一种基于时频域特征融合的语音增强方法

为充分利用含噪语音特征来提升深度神经网络的语音增强性能,提出一种融合时频域特征的语音增强方法.以含噪语音的波形和纯净语音的对数功率谱分别作为训练特征和训练目标,获取含噪语音时域特征到纯净语音频域特征的映射关系.将含噪语音的波形和对数功率谱共同作为训练特征,构建融合含噪语音时域和频域特征的深度神经网络实现语音增强.实验结...