基于Hilbert-Huang变换的含噪语音特征分析

应用Hilbert-Huang变换方法对语音特征进行分析,提高低信噪比语音端点检测的正确率.对语音信号进行Hilbert-Huang变换,得到语音信号在时域和频域上的能量分布,建立语音信号的时间–频率–振幅的三维Hilbert谱分布以及边际谱分布进行特征分析,最后通过语音端点检测验证Hilbert-Huang变换分析含噪语音特征及降噪的有效性.通过语音端点检测的结果表明,经过 Hilbert-Huang变换对含噪语音分析降噪后,检测准确率有显著提高.Hilbert-Huang变换方法能够真实描述语音信号的非线性以及非平稳特性,具有广泛的应用前景.     

基于经验模态分解和递归图的语音端点检测算法

结合Hilbert-Huang变换中的经验模态分解（EMD）和递归图（RP）法,提出了一种新的语音端点检测算法。该算法首先基于语音和噪声通过经验模态分解及其多尺度特征,在不同的固有模态函数（IMF）上进行软阈值时间尺度滤波处理,然后采用非线性动力学行为中的递归图法,定量统计递归分析中的确定性进行语音端点检测。仿真结果表明,该方法具有很强的非稳态动态变化分析能力,在低信噪比环境下较传统方法能更准确提取出语音信号的起止点,鲁棒性好。     

基于实值离散Gabor变换的谱减法语音增强

提出了一个基于实值离散Gabor变换的新的谱减法语音增强,采用高斯窗作为综合窗,利用已有的快速实值离散Gabor变换将语音变换到时频域,噪声估计采用改进的最优滤波和最小统计的martin算法,在联合时频域进行谱减得到纯净语音增益,在得到语音增强信号后,利用实值离散Gabor逆变换将其还原输出。实验结果表明,在分段信噪比和语音质量方面均与目前主流谱减法相比均有提高。     

基于改进谱减方法的语音增强研究

由于噪声的影响导致语音信号的质量降低,因此需要对语音信号进行语音增强。语音增强是语音信号处理的前沿领域,其主要目标足从带噪语音中提取纯净的原始语音信号。介绍了实现语音增强方法的原理,利用实验仿真了传统谱减法和改进谱减方法,改进法通过对带噪信号进行参数调整,然后进行频域谱减,实验结果表明改进方法对语音增强效果明显好于传统方法。此外,对传统谱减法和改进谱减法的信噪比分别进行了计算,结果表明改进谱减方法的信噪比相对传统谱减方法有很大提高。     

基于改进谱减方法的语音增强研究

由于噪声的影响导致语音信号的质量降低,因此需要对语音信号进行语音增强.语音增强是语音信号处理的前沿领域,其主要目标是从带噪语音中提取纯净的原始语音信号.介绍了实现语音增强方法的原理,利用实验仿真了传统谱减法和改进谱减方法,改进法通过对带噪信号进行参数调整,然后进行频域谱减,实验结果表明改进方法对语音增强效果明显好于传统方法.此外,对传统谱减法和改进谱减法的信噪比分别进行了计算,结果表明改进谱减方法的信噪比相对传统谱减方法有很大提高.     

基于短时谱相估计改进型减谱法语音降噪研究

针对手机等移动智能终端设备的降噪问题,通过对基本减谱法的分析研究发现其在使用中存在不足,对基本减谱法进行了功率谱修正和输入幅值谱自适应的改进,通过调节噪声系数α和功率谱系数β以提高语言处理的灵活性以及输出信号的信噪比。仿真实验对比了基本减谱法与改进减谱法对含噪语音的处理效果,结果表明改进减谱法对含噪语音的降噪效果更为明显。     

Hilbert-Huang变换在谱分析中的应用

本文对Hilbert-Huang变换(Hilbert-Huang Transform)理论做了仿真研究,并通过仿真实验对非平稳信号作经验模式分解(Empirical Mode Decomposition),得到它的固有模态函数(Intrinsic Mode Function)分量;对各个分量作Hilbert变换,得到瞬时频率,并构造希尔伯特谱-时间-频率的时频分布图。通过与短时傅立叶变换(Short Time Fourier Transform)、小波变换(Wavelet Transform)的分析比较,Hilbert-Huang变换方法更能反应原始数据的固有特性,有更好的时频聚集性,更适用于对突变信号和非平稳信号的处理。     

强噪声环境下基于改进HHT的语音端点检测

为提高语音端点检测系统在低信噪比环境下检测的正确率,提出一种强噪声环境下基于改进的希尔伯特-黄变换语音端点检测方法。对每帧信号进行经验模态分解,得到有限个固有模态函数,去掉第一个固有模态函数,其他的都让其通过一个带宽为250～3500Hz的带通滤波器,消除部分噪声。对所选固有模态函数加权,再进行希尔伯特变换得到能量特征值。通过分析噪声特性,估计噪声阈值。在希尔伯特能量谱上,根据阈值搜索语音起点以及终点。仿真实验表明,在低信噪比的情况下,方法的准确率有明显的提高,并具有很强的鲁棒性。     

基于听觉掩蔽效应的语音增强算法

对于低信噪比环境下的语音信号,传统谱减法残留的背景噪声较大。针对该问题,基于听觉掩蔽效应提出一种改进的语音增强算法。将人耳听觉掩蔽特性与功率谱减法相结合,设计一种时域递归平均算法对噪声进行估计,同时对带噪语音信号做频谱相减处理,从听觉的角度出发,利用估计的语音信号功率谱计算掩蔽阈值,并引入谱减功率修正系数和谱减噪声系数,实现带噪语音的信号增强。利用Matlab 2012b进行仿真,实验结果表明,该算法在低信噪比条件下能够较好地抑制背景噪声,改善语音质量,且与改进自适应滤波算法相比,其输出信号的信噪比可提高5%左右。     

基于Hilbert-Huang变换的语音信号分离

针对短时傅里叶变换不能正确得到非平稳信号的能量频率分布问题,提出了一种基于Hilbert-Huang变换的单信道语音信号分离的算法。该算法首先对分解得到的各内蕴模式函数分量(IMF)进行Hilbert变换,得到混合信号时频面上的Hilbert谱,然后对混合信号的Hilbert谱运用独立子空间分析的方法得出代表各个独立源信号的子空间,并对其求逆变换,从而恢复出各个源信号。通过仿真实验验证了此算法的正确性和有效性,且与短时傅里叶变换时频分析法相比较,其分离性能明显得到改善,显示了Hilbert-Huang变换在处理非平稳信号的优越性。     

基于谱减和LMS的自适应语音增强

针对宽带噪声背景下的语音增强问题,将短时语音视为非平稳或宽平稳信号,基于谱减法和自适应滤波的最小均方（LMS）算法,提出了一种FIR型自适应滤波算法（SSLMS）：用减谱法由短时噪声观测语音估计期望信号,作为滤波器输出信号的参考信号;用滤波器的输出与参考信号的差值为误差信号,用LMS算法求得滤波器权系数修正量,并修正滤波器。权系数最速下降调整中,采用了归一化LMS、符号LMS、块LMS技术,以简化保证权系数收敛的步长选择、减少权系数修正的运算量,从而提高自适应速度。对不同的语音在各种信噪比下仿真实验,并与改进的谱减法比较,结果表明,该法增强效果优于谱减法;在信噪比为3 dB时该法的增强效果仍然令人满意。     

基于语音存在概率和听觉掩蔽特性的语音增强算法

低信噪比下,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显得尤为突出。为降低噪声对语音通信的干扰,提出了一种适于低信噪比下的语音增强算法。在传统的谱减法基础上,根据噪声的听觉掩蔽阈值自适应调整减参数,利用语音存在概率,对语音、噪声信号估计,避免低信噪比下端点检测(VAD)的不准确,有更强的鲁棒性。对算法进行了客观和主观测试,结果表明：相对于传统的谱减法,在几乎不损伤语音清晰度的前提下该算法能更好地抑制残留噪声和背景噪声,特别是对低信噪比和非平稳噪声干扰的语音信号,效果更加明显。     

基于码本学习的改进谱减语音增强算法

提出一种可适应非平稳噪声环境的基于码本学习的改进谱减语音增强算法。该算法分为训练阶段和增强阶段。训练阶段,使用自回归模型对语音和噪声的频谱形状进行建模并构造语音和噪声码本;增强阶段,采用对数谱最小化算法估计出语音和噪声的频谱,通过谱相减消除噪声。算法在每个时间帧估计语音和噪声频谱,即使在语音存在时仍能够有效跟踪快速变化的非平稳噪声;采用自回归模型能得到噪声频谱的平滑估计,减少了音乐噪声。实验仿真表明,相比于传统谱减法和多带谱减法,改进的谱减法具有更好的噪声抑制性能并且语音失真更小。     

基于改进谱减法的语音增强研究

语音增强技术是语音信号处理中的重要课题之一,谱减法是目前语音增强处理中常用的方法.针对传统谱减法残余音乐噪声过强,清音部分损失严莺的缺点,引入了一种利用语音信号的短时平均幅度差特征并结合短时平均幅度的语音检测算法,对传统的谱减法进行了改进.根据采集的真实航空噪声数据,将传统谱减法和改进的谱减法结果进行了比较分析.仿真结果表明,改进形式的谱减法可以有效降低音乐噪声,提高信噪比和町懂度,可以满足语音增强的要求.     

一种基于实时噪声估计的改进谱减法

针对非平稳噪声环境和低信噪比下的语音增强,提出了一种基于实时噪声估计的改进谱减法。该方法首先利用临界带特征矢量距离进行端点检测,然后利用低频区和高频区带噪语音特性定义一个时变的调节系数,该系数结合端点检测可以实时地对噪声的估计值进行更新,从而达到快速跟踪外界环境变化的目的。仿真结果表明,该方法在抑制背景噪声、提高信噪比、减少语音失真等方面优于传统的语音增强方法。     

两类噪声谱估计方法的对比分析

对基于传统端点检测技术和基于最小统计和平滑滤波的两类噪声估计方法进行了对比分析,并应用于谱相减算法中。针对基于最小统计和平滑滤波的谱减算法中出现的“音乐噪声”问题,提出了一种改进方案,实验表明,使用改进谱减法增强后的语音信号在信噪比和语音质量上均有提高。     

基于谱熵的耳语音增强研究

建立了一个小型耳语音库,并分析了耳语音的特点。在此基础上引入基于子带功率谱熵的改进谱减法对耳语音进行增强处理。该方法通过分析耳语音信号的子带功率谱熵,检测出耳语音的噪音段和语音段,然后对噪音段和语音段分别进行改进谱减处理,以达到良好的去噪效果。实验证明:此方法能有效分离出耳语音的噪声段和语音段,与传统谱减法相比,信噪比有了较大的提高。     

抑制坦克强背景噪声的改进谱减法研究

谱减法是处理宽带噪声较为传统和有效的方法,它运算量较小,容易实时处理,增强效果也较好。根据经典谱减法及其各种改进形式的基本原理,提出一种新的改进谱减法语音增强算法。根据语音和噪声各自的特性,对带噪语音进行时域平滑和频谱统计加权处理。对该算法进行客观和主观测试表明：相对于传统的谱减法,该算法能更好地抑制背景噪声和音乐噪声,同时也较好地保持了语音的可懂度和自然度。