一种基于生成对抗网络的语音去噪方法

本文提出了维纳滤波算法和生成对抗网络相结合的语音去噪方法.首先用维纳滤波算法对带噪声语音信号进行预处理,提高语音信号的识别度,然后将预处理后的语音信号作为深度学习生成对抗网络的输入,进一步去除噪声信号.实验结果表明,本文提出的去噪方法将带噪声语音信号的分段信噪比从4. 83 db提升到了5. 09 db,去噪效果较为明显.     

一种改进的孤立词语音识别系统设计

针对孤立词语音识别系统设计一个改进的系统。该系统通过维纳滤波滤除噪声得到估计语音,对该语音进行双门限端点检测和特征提取得到端点范围内的特征向量,采用改进动态时间规划算法计算该特征向量与模板特征向量之间的欧式距离得到识别结果。仿真对比实验结果表明,改进系统在识别效果和识别效率方面有提高。     

基于极值域均值模式分解最大相似度的语音增强方法

提出一种基于极值域均值模式分解最大相似度的低信噪比语音增强算法,解决部分噪声环境下低信噪比语音信号增强问题。该算法核心思想是：对分解后得到的固有模态分量进行筛选后再做滤波处理,以此减少过滤波和欠滤波情况的发生。在筛选过程中,提出一种最大相似度判断算法,通过检测得到的噪声信号与固有模态分量计算最大相似度,通过最大相似度筛选出固有模态分量进行滤波,由于噪声与语音信号容易发生频谱混叠,在滤波器的选择上采用时域滤波器。将滤波后的固有模态分量和未作处理的固有模态分量进行信号重构,得到增强后结果。     

非平稳噪声环境下的语音增强算法

文章针对非平稳噪声环境和低信噪比的情况,提出了一种基于低频区和高频区带噪语音特性的非平稳噪声估计,并结合人耳听觉掩蔽效应进行语音增强的算法。该算法首先通过非平稳噪声估计为加窗后的每一帧语音构造一个时变的权值实现对噪声的实时估计,然后结合人耳听觉特性计算出每一帧语音的不同Bark域的噪声掩蔽阈值,最后利用计算出的噪声掩蔽阈值自适应设定语音增强系数。仿真结果表明,该算法在抑制背景噪声,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。     

基于离散余弦变换的语音增强

在进行余弦变换时,语音信号主要分布在余弦系数的低频区域,而随机噪声主要分布在高频区域．鉴于此特点,给出了一种基于离散余弦变换的阈值语音增强方法．利用余弦系数的高频区估计噪声得到阈值,对DCT阈值化,利用信噪比估计值和语音出现概率对算法做了进一步的改进,增强了算法的去噪能力．实验结果表明,该方法为有效的语音增强方法．     

基于多窗谱估计的维纳滤波语音增强算法

针对维纳滤波在复杂背景噪声情况下,语音信号成分衰减过大的问题,提出了一种基于多窗口谱估计和维纳滤波相结合的语音增强方法。该方法先将带噪语音进行多窗口谱估计,再通过小波阈值去除噪声项得到近似纯净的语音谱;然后与维纳滤波处理后的语音谱相比较,根据不同的失真类型选择相应的谱作为最终增强的语音谱。仿真结果表明,在不同类型的噪声和信噪比条件下,该方法在抑制噪声和降低语音信号衰减上优于均方预测误差(MSCEP)和预白化子空间(PSS)方法。     

信噪比信息与时频特征修正相位的语音增强

针对在基于谐波模型的相位谱语音增强算法中,只对浊音段相位进行重构导致语音失真和听觉不连贯的问题,提出了用信噪比信息与时频特征改进相位重构的新方法。首先,引入与相位失真有关的时频特征并计算决策阈值;然后利用信噪比信息计算带噪语音与纯净语音的相位偏差,两项比较进一步估计清音段与浊音段的语音相位,能有效改善语音的连贯性;最后将重构的相位与改进二元假设模型的幅值估计结合并进行语音增强。经过对不同噪声背景下的不同语音进行实验表明:新算法的相位差更接近于原信号。与对比算法相比,增强语音的信噪比平均提高2.39dB,语音感知评价指标平均提高0.12,有效地降低了语音失真,提高了语音可懂度。     

基于EMMD／MMSE低信噪比的语音增强方法

EMMD分解后的信号虽然解决了EMD中存在的端点效应问题,但是存在音乐噪声,提出一种基于EMMD／MMSE的语音增强方法,该算法利用MMSE解决经过EMMD处理的信号中含有的音乐噪声问题,从而得到很好的语音增强效果。通过实验对增强前后语音信号的信噪比分析表明,基于EMMD／MMSE的语音增强方法在提高语音信号的信噪比、可懂度方面优于传统的增强方法。     

基于恒虚警的信号检测迭代算法

提出了在信号检测中利用恒虚警估计噪声特性的迭代算法,该算法能够在信噪比达到一定值的情况下,比较准确地检测出中频信号包含的有用信号的数量及其中心频率。算法的基本思想在于在未知情况下估计信号中噪声统计特性,利用估计的噪声统计特性将信号和噪声分离,从而获得实际信号的数量、带宽、中心频率等基本参数。仿真结果表明该迭代算法计算简便,且具有较好的适应性。     

结合PCNN和局部维纳滤波的图像去噪

提出了一种基于脉冲耦合神经网络(PCNN)的图像去噪算法,利用PCNN的同步脉冲特性对图像小波系数进行局部加窗修正,从而对信号方差进行更好地估计,以利用局部维纳滤波进行去噪. 同时,根据各个像素间耦合特性的不同,提出了自适应连接系数,更好地反映了像素间的耦合关系,利于信号方差的估计. 实验结果表明,该算法较维纳滤波和NeighShrink算法均有较高的峰值信噪比,视觉效果更好.