改进TF-GSC和改进后置滤波语音增强算法

由于声学环境中噪声的复杂性和不确定性，传统的多通道语音增强算法对于噪声的抑制效果不足，从而导致了较差的听觉体验。针对这一问题，提出了一种改进TF GSC和改进后置滤波语音增强算法。算法使用最大似然法得到目标语音信号和噪声信号的功率谱密度，然后使用信号功率谱密度比值得到的变步长归一化最小均方算法来改进TF GSC。还提出了联合信号功率谱密度比值和先验信噪比估计语音存在概率的改进最优修正对数幅度谱估计器。不同信噪比环境下的仿真实验表明，本文提出的算法可以有效地滤除相干噪声和非相干噪声，与其他算法相比，增强后的语音信号具有更高的信噪比和语音质量。     

待识别语音净化处理系统

为提高语音识别系统在噪声环境中的性能,文中提出利用分阶段ICA算法净化待识别语音,并基于此算法设计DSP语音净化系统,有效的提高语音识别系统的识别率和鲁棒性。     

基于小波分析与神经网络的语音端点检测研究

在语音识别系统中,端点检测是极其重要的一个环节。为了提高在各种实际噪声环境下语音端点检测的正确率,提出一种基于小波分析与神经网络的语音端点检测算法来提高语音端点检测率。利用小波分析提取语音信号的特征量,然后将特征向量作为BP神经网络输入进行学习,采用粒子群算法优化BP神经网络参数,建立语音端检测模型,并进行仿真实验,结果表明WA-IMPSO-BP提高了语音端点检测率,有效降低了虚检率和漏检率,是一种检测率高,抗噪性能强的语音检测算法。     

改进谱减法结合神经网络的语音增强研究

背景噪声是通信系统噪声干扰的来源之一,语音增强可以降低乃至消除噪声干扰,进而提高语音的可懂度.为了减小复杂噪声环境下谱减法引发的音乐噪声,采取正交的多窗谱估计对语音功率谱平滑处理,有效的减小了信息丢失和估计波动.利用自适应谱减系数调整谱增益和谱下限来控制残留噪声,利用优化的IMCRA算法对噪声及时更新来判决语音段和静音段,同时借助特性良好的BP神经网络方法进行训练,语音和噪声谱通过谱减后,波形重构获取增强的语音信号.仿真结果表明语音降噪效果好、可懂度高.     

多参考输入自适应噪声抵消器的算法与实现

针对单参考办入自适应噪声抵消器在多噪声源情况下除噪效果不理想的问题,根据多参考输入自适应噪声抵消器模型,推导了多参考输入最小均方算法,并给出其改进算法。以语音信号为例,给出了多参考输出自适应语音消噪算法及多参考输入自适应语音噪声抵消器的实现方案,并进行了计算机仿真,给出了仿真结果。     

基于RLS算法的自适应噪声抵消系统研究

介绍了一种基于RLS算法的自适应噪声对消系统,说明了噪声对消系统的原理以及RLS算法的步骤与流程。通过实例仿真,得到了基于RLS算法的自适应噪声抵消系统仿真图。分析仿真结果得出,在单频干扰与宽带噪声干扰两种情况下,RLS自适应滤波器都能很好地消除干扰得到有用信号。证实了在通信语音信号处理中,用基于RLS算法的自适应噪声对消系统可以消除语音噪声,提高语音通信的信号质量。     

基于LMS算法自适应噪声抵消系统的仿真研究

介绍了自适应噪声抵消系统的原理和LMS算法,并给出了基于LMS算法自适应噪声抵消系统的仿真图。通过分析仿真结果表明基于LMS算法的自适应噪声抵消技术可以有效的抵消正弦干扰信号,这样在语音信号处理中就能消除含噪语音信号中的背景噪音,达到提高语音信号质量的目的。     

基于LMS的语音信号去噪算法

语音是人们进行思维沟通交流的主要桥梁,语音通信处理在现实环境下会受到各种各样的干扰,从受干扰的语音中尽可能地去除噪声,提高语音质量,是目前现代信号处理领域中至关重要的技术之一。引入了LMS自适应滤波法,并提出了变步长的LMS,同时实现了小波阈值降噪和LMS结合的自适应噪声对消。并选用不同的男声和女声语音,录制真实环境下的非平稳噪声,仿真实验表明小波阈值结合LMS的噪声对消法去噪性能最好,大幅提高了信噪比,改善了语音质量。     

基于多尺度形态学和Kalman滤波的基波分量提取

针对Kalman滤波在提取基波分量时存在暂态噪声抑制能力差和噪声统计特性不精确的缺点,提出了一种新的基波分量提取算法。采用改进的数学形态滤波器对采集信号进行多尺度分析得到平滑信号和细节信号,改进的滤波器使用不同形状的结构元素,有效地提高噪声抑制能力。利用平滑信号更新Kalman滤波器的观测值,减少故障信号暂态噪声的干扰,提高了滤波算法的收敛速度;利用细节信号实时在线计算测量噪声的方差,提高了滤波算法的收敛精度。在Matlab/Simulink环境下搭建仿真模型对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。     

自适应波束形成语音增强方法的研究与实现

在车载系统、电话会议与多媒体会议等语音处理系统中,由于受到混响、背景噪声及干扰等因素的影响,麦克风拾取的信号通常为带噪的语音信号。这样,不仅影响语音的可懂度,而且影响语音处理系统的整体性能。因此,需要进行有效的噪声抑制,以增强语音信号的质量。本文中重点介绍了采用LMS算法的自适应波束形成语音增强系统。自适应语音增强算法较其它方法相比,采用了一个参考噪声作为辅助输入,从而能获得比较全面的关于噪声的信息,因而可以得到更好的降噪效果。在分析研究LMS算法的基础上,本课题用Matlab语言对LMS算法实现自适应语音增强进行了仿真实现。实验结果表明,该算法在一定程度上可有效地抑制噪声,提高信噪比,减少失真。     

基于改进的SVSLMS算法的语音识别系统研究

为了克服固定步长LMS算法固有的收敛速度与稳态误差之间的矛盾,在传统SVSLMS算法的基础上提出了改进的SVSLMS算法。通过理论分析和仿真研究的方法,给出了该算法中各个参数的选取方法,并确定了适用于本文所采用的语音样本库的参数最佳值。对固定步长LMS算法、传统SVSLMS算法以及提出的改进的SVSLMS算法进行了仿真对比。仿真结果表明,提出的改进的SVSLMS算法在降噪性能、收敛速度和稳态误差这3个方面都优于其余两种算法,有效的提高了语音识别系统的准确性和稳定性。     

Frequency domain analysis of the mirror-modified filtered-x least mean squares algorithm with low ambient noise

The mirror-modified filtered-x least mean squares (MMFxLMS ) algorithm is a variation of the FxLMS algorithm with online secondary path modeling that cannot diverge due to secondary path modeling errors. However, problems may occur when the ambient noise is not limited due to insufficient modeling power. This work shows that under a frequency domain analysis without ambient noise, the MMFxLMS algorithm is always stable, and expressions for the maximum residual noise level at any given time are obtained. It is also shown that, under the same context, convergence to the minimum residual noise is guaranteed. Still, convergence can be much slower for high secondary path modeling errors than that of the LMS or MFxLMS algorithms. Simulations confirm these results.     

Speech and noise power estimation using Gamma modeling

In speech enhancement, having an accurate estimation of the power of the speech and noise signals forming the noisy observation is critical, as it can highly affect the performance of the enhancement algorithm. A method is introduced in which the distributions of the power of the speech and noise periodograms are modeled using the Gamma distribution to extract their shape parameters. These shape parameters are later used in the observed noisy speech to estimate the power when forming speech and noise periodograms. This method results in more accurate and faster power estimation with respect to the well‐known minimum statistics power estimation algorithm and together with the maximum a posteriori speech enhancement algorithm exhibits good speech enhancement performance.     

多通道FURLS噪声主动控制算法及仿真

为了改善最小均方（LMS）类算法在空间宽带噪声主动控制问题中收敛速度慢的缺点,消除声反馈对系统稳定性的影响。将快速收敛的最小二乘（RLS）类算法与自适应滤波U形结构结合,提出多通道滤波-URLS（MFURLS）算法,理论上推导该算法详细流程。本文对定频和宽带噪声进行了降噪仿真,将MFURLS算法与多通道滤波-ULMS（MFULMS）算法进行对比,仿真结果表明采用MFURLS算法的系统有30dB左右的降噪量,且收敛速度优于FULMS算法,证明该算法在宽带噪声控制方面具有很大优势。     

基于最小径向基函数(MRBF)神经网络的非线性噪声对消

由于传统线性噪声对消器对非线性噪声不能很好的适应,本文改进传统线形噪声对消器的线形滤波器部分,用MRBF网络代替横向LMS结构,以适应非线形噪声存在的情况.使用改进的RBF网络结构MRBF[1],解决了隐单元数目确定的困难,学习算法采用更加稳定的扩展卡尔曼滤波方法(KEF),增强了RBF的实用性.本文提出的方法降低了运算复杂度,增强实时性.仿真结果表明该方法有良好的噪声对消性能.     

A dual filtering scheme for nonlinear active noise control

Active noise control problems are often affected by nonlinear effects such as distortion and saturation of measurement and actuation devices, which call for suitable nonlinear models and algorithms. The active noise control problem can be interpreted as an indirect model identification problem, due to the secondary path dynamics that follow the control filter block. This complicates the weight update mechanism in the nonlinear case, in that the error gradient depends on the secondary path gradient through nonlinear recursions. A simpler and computationally less demanding approach is here proposed that employs the updating scheme of the standard filtered‐x least mean squares (LMS) or filtered‐u LMS algorithm. As in those schemes, the calculation of the error gradient requires a signal filtering through an auxiliary system, here obtained through a secondary adaptation loop. The resulting dual filtering LMS algorithm performs the adaptation of the controller parameters in a direct identification mode and can therefore be easily coupled with adaptive model structure selection schemes to provide online tuning of the model structure, for improved model robustness. Copyright © 2013 John Wiley & Sons, Ltd.     

有效抑制短波通信噪声的语音增强算法设计

针对短波语音信噪比低、噪声复杂的特点,本文结合最佳调整对数谱幅度（OM-LSA）语音估计、改进型最小控制递归平均（IMCRA）噪声估计和谱熵语音激活检测（VAD）硬判决,提出了一种有效抑制短波通信噪声的语音增强算法。实验结果表明,本算法不仅能有效抑制短波噪声对话音的干扰,而且处理后的语音失真度小,语音自然度较高,避免了残留音乐噪声。     

掩蔽法减少谱减法去混响中的音乐噪声

针对谱减法去混响中出现的音乐噪声问题,研究了一种基于频率归一化的掩蔽后处理方法。首先利用谱减法对混响信号去除混响,其次对混响信号与去混响信号进行频率归一化,然后在频域将去混响信号和混响信号对应相减,据此计算出掩蔽因子,最后运用掩蔽因子对去混响信号进行处理来减少音乐噪声。仿真实验中分别利用语谱图和语音质量感知评价进行了评估,语谱图表明后处理语音信号中音乐噪声明显减少,语音质量感知评价表明采用后处理方法提高了语音信号0.55的评分。     

基于带双窗N-1/N重叠频域FIR滤波器的自适应除噪

基于一种带双窗重叠自适应滤波器,将重叠滤波思想引入LMS算法,给出了窗加权重叠LMS(WO-LMS)算法.与传统的LMS算法相比,WO-LMS算法在同样收敛速度的前提下可以得到较低的稳态均方误差.理论分析了算法的收敛性,实验中通过和LMS算法的比较,验证了WO-LMS算法的优越性.