基于DSP皮肤听声器的设计与实现

为了解决全聋哑人的听声问题,设计了仅依靠人体皮肤感觉神经的皮肤听声器;针对全模拟变压式皮肤听声器存在识别率低、抗干扰能力差及单通道输出等问题,提出了基于DSP的数字式皮肤听声器,同时分析了其结构组成、语音处理策略以及处理器的软硬件设计;该听声器采用自适应消噪、方向识别、多通道带通滤波等语音处理策略,实现皮肤听声器高的识别率;实验结果表明,基于DSP的皮肤听声器通过对输入语音信号的快速、实时的处理.最终实现了全聋患者对声源方向的判断与简单语音信息的"识别".     

基于联合最大后验概率的语音增强算法

针对传统谱减法存在的算法缺陷,提出一种基于联合最大后验概率的改进谱减法.传统谱减法通过获取带噪语音与噪声的幅度差值,并提取带噪语音的相位信息进行语音信号重建.该方法因为谱相减产生“音乐噪声”,并因为相位估计不准确,导致低信噪比下信号增强效果不理想.为此,引入多频带谱减法和相位估计,通过划分频谱,分别在子频带进行谱减法,有效降低“音乐噪声”的影响;同时构建基于最大后验概率的相位估计器,联合信号幅度函数和相位函数,通过多次交替迭代得到相位估值.实验结果表明,相对于传统谱减法,在低信噪比下该算法有效提高增强语音的质量感知和可懂度.     

基于人类听觉系统的多频带语音增强

提出了一种基于人类听觉系统的多频带非线性谱减法来进行语音增强。根据人耳听觉特性,将含噪语音信号分在24个临界频带内,由各频带的不同信噪比来确定对应的谱减参数值。实验结果证明,在相同实验条件下,与功率谱减法（PSS）、非线性谱减法（NSS）和传统多频带谱减法（MBSS）相比,该方法增强后的语音信号具有更高的输出信噪比;能更好地消除背景噪声,抑制残留噪声;增强后的语音具有更好的可懂度和清晰度。     

基于听觉掩蔽效应的多频带谱减语音增强方法

为了减小传统谱减法引入的音乐噪声,提出了一种将多频带谱减和听觉掩蔽效应相结合的语音增强算法.用加权递归平滑的方法估计噪声的功率谱,对带噪的语音信号进行多频带谱减,计算听觉掩蔽阈值,再根据掩蔽阈值动态地调节谱减因子,通过增益函数得到增强后语音信号的频谱.仿真实验结果表明,与传统的谱减法相比,该算法在信噪比较低情况下,背景噪声和残余噪声得到了有效的抑制,语音信号的清晰度和可懂度也有了明显提升.     

一种基于噪声对消与倒谱均值相减的鲁棒语音识别方法

提出一种基于语音增强算法的噪声鲁棒语音识别方法．在语音识别预处理阶段,通过噪声对消语音增强法来抑制噪声提高信噪比．然后对增强语音提取Mel频段倒谱特征参数,并在倒谱域应用倒谱均值相减处理来补偿增强语音中的失真成分和剩余噪声．实验结果表明,在低信噪比（-12—0 dB）条件下,该方法对于数字语音识别具有较好的识别率,其性能明显优于基本的Mel频段倒谱参数识别器、传统的谱减法和噪声对消语音增强法．     

基于改进增益函数的电子耳蜗语音增强

目前在安静环境下电子耳蜗编码技术已取得较高的语音识别率,但在噪声条件下听觉感知性能下降明显。针对该问题,提出基于改进增益函数的电子耳蜗语音增强算法。以组合编码算法为基础,采用约束方差的噪声谱估计算法进行噪声功率谱估计并应用于信噪比估计。结合人耳掩蔽阈值在子频带中自适应调节增益函数,将改进的增益函数与通道选择相结合,实现电子耳蜗语音增强。实验结果表明,与采用基本谱减法前端去噪和传统增益函数的电子耳蜗语音增强算法相比,该算法的语音平均识别率分别提高了53%和22%,在保留更多语音信息的同时能有效消除背景噪声干扰。     

基于ARM的皮肤听声系统的设计

为了提高皮肤听声器的性能,提出了一种基于ARM(先进的精简指令计算机处理器)的嵌入式皮肤听声系统设计方案,包括硬件设计、软件设计与一些滤波算法的实现。该系统在原来皮肤听声器的模拟电路中加入数字电路的设计,将嵌入式技术、皮肤听声技术与语音识别技术相融合,不仅可以让听觉障碍者通过皮肤感知到声音,还可以把说话人的声音信号以文本形式在屏幕上加以显示。实验结果表明,该系统提高了皮肤听声器的识别率,有效地解决了部分简单语音辨析难的问题。     

基于自适应噪声估计的语音增强技术

针对语音系统受外界强噪声干扰而导致识别精度降低以及通信质量受损的问题,提出一种基于自适应噪声估计的语音增强方法。通过端点检测将语音信号分为语音段与非语音段,对这两种情况的噪声幅度谱分别进行自适应估计,并对谱减法中不具有通用性的假设进行研究从而改进原理公式。实验结果表明,相对于传统谱减法,该方法能更好地抑制音乐噪声,并保持较高清晰度和可懂度,提高了强噪声环境下的语音识别精度和通信质量。     

一种新的工业机器人语音增强方法设计

分析和研究了基于声波耦合和语音增强模块级联的语音增强方法的工业语音识别系统设计和实施过程,并对其进行了算法建模,同时在比较谱减法和MMSE-LSA的语音增强算法的同时进行了实验数据分析,使工业机器人语音识别系统在噪声环境下提高了识别率。     

一种低信噪比下的说话人识别算法研究

为了提高低信噪比下说话人识别系统的性能,提出一种Gammatone滤波器组与改进谱减法的语音增强相结合的说话人识别算法。将改进的谱减法作为预处理器,进一步提高语音信号的信噪比,再通过Gammatone滤波器组,对增强后的说话人语音信号进行处理,提取说话人语音信号的特征参数GFCC,进而将特征参数GFCC用于说话人识别算法中。仿真实验在高斯混合模型识别系统中进行。实验结果表明,采用这种算法应用于说话人识别系统,系统的识别率及鲁棒性都有明显的提高。     

基于谱减法的改进语音增强方法

语音增强技术是解决噪声污染的一项强有力的预处理技术.谱减法通过处理后的语音中会留下所谓的"音乐噪声",针对这个问题,提出了一种多带谱相减与感觉加权相结合的语音增强方法.对带噪语音进行多带谱相减,并根据人的听觉掩蔽特性,对多带谱相减后的信号进行感觉加权,从而进一步降低背景噪声.在语音失真和噪声抑制之间取得良好的折中,减少语音的听觉失真,有效地抑制"音乐噪声",提高语音的清晰度.     

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。     

改进的语音端点检测技术

为了提高低信噪比下语音端点检测的性能,提出了一种改进的基于谱减法和自适应子带谱熵的语音端点检测方法。该方法先利用谱减法对带噪语音消除加性噪声,及时更新背景噪声估计,再对增强后的语音信号利用改进的自适应子带谱熵进行端点检测。实验结果表明,该方法具有良好的检测性能,相对传统方法提高了端点检测的准确率,在低信噪比环境下仍能比较准确地检测到语音的端点。     

一种Bark子波变换的电子耳蜗语音增强算法

提出了一种Bark子波变换的电子耳蜗语音增强算法。该算法首先引入与人耳听觉系统更为适应的Bark子波变换来进行电子耳蜗CIS语音信号处理,然后在每个Bark通道中利用非线性谱减法对其进行语音增强,谱减法的参数由人耳隐蔽阈值来控制。结果表明：即使在低信噪比的情况下,信噪比也能提高16 dB左右,合成的语音对于电子耳蜗使用者具有较好的清晰度和可懂度。     

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。     

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。