基于DSP的语音信号采集和扩展存储系统

在研究数字信号处理的基础上,实现基于16 bit数字信号处理器TMS320VC5402的语音信号采集和数字信号扩展存储系统,给出了系统硬件设计和软件流程图.语音处理算法采用上下限可调的带通滤波器实现带外噪声消除,应用预加重技术改善了高频段特性,系统存储器大小可根据用户需要灵活选择.     

基于nRF2401语音回放接收终端设计

设计了一套无线语音回放系统,利用STC12单片机对语音信号进行数字化处理后,通过nRF2401无线发送到接收端,接收端将数字信号通过D/A转换成模拟信号,再经过带通滤波电路和功率放大电路输出。该系统采用驻极体对语音信号进行采集,用前置放大电路对微弱的语音信号进行放大,再通过300?Hz~3.4?kHz的带通滤波器滤除50?Hz的市电影响和高频噪声,在一定程度上改善了语音回放的质量。     

一种基于语谱图分析的语音增强算法

针对传统谱减法会产生“音乐噪声”及在低噪比环境下降噪效果不理想的问题,提出一种基于语谱图分析的语音增强算法.所提方法先对带噪语音进行谱减处理,再通过语谱图分析对处理后的语音信号进行去小亮块处理,即对“音乐噪声”进行有效的削弱,最后通过设置阈值,滤除低灰度值的成份,即消除残留近似高斯噪声.实验结果表明,提出的算法可以有效地解决谱减法后残留的“音乐噪声”及低信噪比下谱减法残留噪声较大的问题.     

Audition对音频的降噪处理

由于各种原因,录制的音频(无论语音还是歌唱)出现一定响度的噪声是经常发生的.当噪声太明显时就会影响听觉效果,降噪处理就是消除这种噪声的基本方法.阐述了采用Audition软件处理常见音频噪声的方法,简单实用.     

一种基于DSP的人工耳蜗语音处理器设计

传统的人工耳蜗语音处理器采用ASIC设计,投入成本高,可移植性差,设计了一种基于TMS320VC5509A的人工耳蜗语音处理器。该处理器采用双麦克风接受语音信号,实现了语音信号的自适应噪声消除和CIS(Continuous Interleaved Sampling)方案。同一段语音由DSP采样处理得到的刺激脉冲与MATLAB采样处理的结果基本相同。实验结果表明,基于DSP的人工耳蜗语音处理器能实现语音信号中噪声的消除并得到良好的刺激脉冲。     

一种改进的多通道维纳滤波器结构

研究了一种鲁棒的空间前处理语音失真加权多通道维纳滤波（SP-SDW-MWF）技术,该方法在噪声段内噪声消除效果明显,而在含语音段内效果不理想。为此提出了一种改进的SP-SDW-MWF结构。该结构使用两级滤波系统,首先让信号通过SP-SDW-MWF系统,先判断出语音段与噪声段,分别给予处理,然后对增强后的信号进行二次消噪,实验结果表明,该方法在噪声消除上更具有鲁棒性,信噪比有1-2dB的提高。     

基于子空间域噪声特征值估计的语音增强方法

传统信号子空间语音增强方法中均采用语音活动检测方法估计噪声,当噪声统计特性发生变化或信噪比较低时使用语音活动检测不能准确的估计噪声.本文给出一种基于子空间域噪声特征值估计的语音增强方法.结合语音存在概率对带噪语音协方差矩阵在每个特征向量上的特征值递归平滑得到噪声估计,可以在每一帧内更新噪声特征值.该方法不需要区分有声段和无声段,能够更加准确的反映当前时刻的噪声水平,具有鲁棒性.实验结果表明本文方法要优于传统的子空间语音增强方法.     

数字摄像机自动聚集机械噪声消除方法研究

数字摄像机的摄像头在缩放时产生较大声噪,回放时主观听觉十分明显,因此需要研究一种高质量语音降噪算法,用于消除机械声噪,同时避免产生语音畸变.通过分析传声器阵列及带噪声源的数学模型,构建了一套基于传声器阵列的语音降噪系统,针对机械噪声的统计特性,利用最小方差无畸变响应波束形成法对非注视方向的噪声进行滤波,采用子带后处理法...     

基于多频带谱减法的抗噪声语音识别研究

为了减少在噪声环境下测试条件与训练条件不匹配导致的语音识别性能下降,提出了一种结合多频带谱减法的抗噪声语音识别系统。首先提取带噪语音的前几帧作为估计的噪声信号,将带噪语音、估计的噪声信号按频率划分M个互不相交的频带,然后根据每个频带内带噪语音与估计的噪声信号的性噪比,来确定该频带噪声的谱减参数。语音增强作为前端处理,与语音识别器级连构成抗噪声语音识别系统。通过实验仿真表明,基于多频带谱减法的抗噪声语音识别系统在不同信噪比不同类型的噪声下,识别性能明显优于基本谱减法。     

基于小波分析的语音信号增强的研究

语音增强目的是从带噪语音中尽可能纯净的原始语音,即消除含噪语音信号中的噪声成份,提高输入信号的信噪比.在实际应用环境中,语音都会不同程度受到噪声的干扰,噪声会影响语音质量,严重的情况下将语音完全淹没到噪声中,无法分辨.本文将读入的语音信号加入正态随机噪声,然后对含噪声的语音信号进行小波分解,估计噪声的方差,然后获取去噪的阈值并对小波分解的高频系数进行阈值量化,得到去噪后的语音信号.仿真证明此方法具有很好的增强效果.     

基于小波变换的双通道相干语音增强

提出了一种基于小波变换的双通道语音增强方法.该方法将双通道接收的带噪语音分解到各小波子空间,在对噪声非平稳特性的精确估计的基础上有效地进行相干增强处理.针对语音和噪声在各小波子空间的不同时-频特性,采用不同参数值的MMSE-STSA估计器进行后续滤波,可以将遗留噪声进一步滤除.文章最后的实验结果证明,与传统的双通道相干语音增强方法相比,该方法具有更好的处理效果.     

单片集成视频滤波器改善图像质量

数字视频设备输出的图像信号由于视频信号的编辑(量化)、处理(编解码)、传输等过程,包含了许多不需要的杂波(噪声),最终影响图像质量.按频带划分,噪声分为带内噪声和带外噪声.为了得到性能优良、噪声小的视频终端信号,人们一直在不断地改进滤波电路.     

一种基于自适应滤波的语音增强方法

本文研究了语音信号被加性噪声污染后的增强问题。所研究的带噪语音信号是唯一能获得的源信号,噪声源是不可接近的.研究噪声对象是:宽带白色噪声和平稳的有色噪声.本文将报告一种时域自适应滤波语音增强处理方法,重点研究了低信噪比下[SNR≤ 5～-10dB]带噪语音信号的信噪比改善问题.文中给出了增强处理的实验数据,结果表明:文中的方法不但能抑制宽带白噪声,而且也适用于平稳的有色噪声.     

用数字滤波器从噪声中提取语音

本文介绍了一种用自适应数字滤波器,从叠加了噪声的语音信号中,消除噪声,改善其清晰度的方法。通过 FFT,滤波只在频率域进行,滤波器的系统函数是以重放语音振幅谱为基准决定的,为了消除与语音频带不同的噪声成分,采用了门限。各输入按非语音滑音或稳态元音分割开,对滑音作了特殊的处理,在白噪声和粉红噪声的情况下,音节清晰度都改善了8%。     

基于信号相位差和后置滤波的语音增强方法

 在复杂的声学环境中,通常噪声场特性和混响强度是未知的,这样就对麦克风阵列语音增强算法的性能提出了较高的要求.本文提出一种基于带噪语音信号相位差和后置滤波的语音增强方法.首先,将麦克风阵列接收信号分帧,利用相邻两个麦克风之间每帧带噪语音信号的相位差,构成该帧改变频率点幅度谱值的比例系数,对该帧带噪语音信号进行掩蔽增强处理,得到预处理信号;然后利用固定波束形成、独立分量分析算法和后置滤波技术对预处理信号进一步处理,从而有效地抑制了噪声.计算机仿真实验结果表明,在存在一定混响的多种噪声场中,该方法均具有较好的噪声抑制能力.     

基于两步噪声消除技术与高斯统计模型的语音增强算法

针对语音增强技术中先验信噪比参数的估计问题,本文通过结合两步噪声消除技术以及语音与噪声分量的高斯统计模型,在频率域中提出了一种新的先验信噪比估计算法。该算法基于直接判决方法的输出结果,利用最小均方误差估计理论直接计算当前帧纯净语音分量的谱能量,以获取带噪语音的先验信噪比估计。算法在保留两步噪声消除算法优点的基础上,无需语音增强系统中增益因子的任何先验条件,且在有效消除背景噪声的同时能够最大程度地抑制输出语音中音乐噪声的生成。多种噪声背景下的仿真结果表明:相对于经典的直接判决方法和新近的两步噪声消除算法,基于本文先验信噪比估计方案的语音增强系统在主观与客观评价标准下都具有更加优良的语音增强效果。      

基于CEEMDAN的多级联合处理的语音增强算法

为减少噪声污染,改善语音质量,语音增强是解决噪声污染的一种有效方法。针对传统语音增强在语音质量和语音可懂度方面的不足,对传统算法进行改进是非常有必要的。研究了将带噪声音基于自适应的完备经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN）处理,将带噪语音转化为多个模态分量进行第二阶处理。当带噪语音为低信噪比时,语音采用快速独立成分分析（Fast Independent Component Analysis,Fast ICA）算法进行噪声分离,再通过对数最小均方误差（log Minimum Mean Square Error Estimation,log-MMSE）算法对分离后的带噪分量进一步处理,最后合成语音。当带噪语音处于高信噪比时,不需要对噪声进行剥离,直接采用最小均方误差（Minimum Mean Square Error Estimation,MMSE）算法对带噪分量进行处理,使输出较为清晰的语音。结果表明,改进算法对语音的增强效果明显。     

孤立词语音识别算法在医疗仪器中的应用

研究一种适合医疗仪器的语音识别算法,采用带噪声端点检测算法、美尔频标倒谱系数（MFCC）特征参数提取算法和整体路径约束DTW算法即ADTW算法,能有效地提高识别率和稳健性。在此为噪声环境下的语音识别提供了理论分析与仿真实验数据。实验结果表明：这种语音识别算法不仅有很高的识别率,而且能减小或者消除噪声所带来的训练模型和测试语音之间的失配。它完全满足医疗仪器对语音识别率的要求。     

基于自适应滤波的噪声抵消法

语音降噪就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的噪声抵消法，采用归一化最小均方误差算法，采集实际噪声环境下各种不同信噪比的带噪语音样本进行降噪处理，实验结果表明，处理后信号的信噪比得到了较大程度的提高，大大改善了听音效果，具有很高的可懂度，且语音自然度好，没有失真；并与谱减法进行了比较，自适应噪声抵消法的降噪幅度比谱减法有一定提高，在听音效果上，用自适应噪声抵消法处理后的语音在清晰度、自然度方面优于谱减法。     

基于子带加权和GMM的鲁棒性话者确认的研究

噪声鲁棒性是话者确认系统实用化的关键问题之一,本文设计了一种基于子带加权和GMM的话者确认系统,该系统将语音谱分为若干子带,采用基于短时能量分布的算法估计各子带噪声强度,并根据噪声强度来进行子带加权,最终生成具有更高鲁棒性的语音特征,语音识别模型采用简化的GMM.实验表明,上述方法能有效提高话者确认系统的性能,增强其噪声鲁棒性,而且在低噪声环境下,仍能保证系统性能不下降.