共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
3.
针对传统能量熵的短时能量与子带谱熵容易受噪声环境影响,低信噪比下端点检测性能下降的问题,提出一种基于噪声估计的改进能量熵语音端点检测算法.首先对语音进行噪声估计并以此计算语音存在概率;然后利用估计的噪声能量修正短时能量,用语音存在概率作为加权系数优化子带谱熵,并将两者结合生成改进的能量熵;最后给出基于噪声估计的动态门限... 相似文献
4.
目前的语音端点检测算法大多不能适应背景噪声实时变化情况.针对这一问题,首先给出1个代表噪声变化的参数--最小Mel频带参数(MiMSB);然后给出改进的时频参数(TF)--增强时频参数(ETF),用于区分语音信号与噪声;最后基于这2个参数提出一种变噪声环境下的端点检测算法.实验证明,该算法在各种噪声环境下均能取得很好的性能. 相似文献
5.
提出了一种基于最小统计及短时对数谱幅度最小均方误差估计单通道语音增强算法,并在此基础上对其进行了修正。噪声功率谱估计不需要VAD进行有无语音的检测,并在每帧数据都进行更新,可跟踪变电平噪声。该算法在MMSE—LsA准则下得到谱增益函数,并考虑到纯净声音信号频谱特性,对增益函数进行了修正。实验结果表明,该算法可有效去除噪声,在消除音乐噪声的同时对语音信号产生很小的失真,并易于实时处理。 相似文献
6.
提出了一种临界频带子波变换进行语音增强的新算法。该算法对传统的功率谱减算法进行改进,引入了与人耳听觉系统直接吻合的临界频带子波变换,使增强后的语音更符合人耳的听觉感知。对该算法进行客观和主观测试结果表明:与谱减法相比能更好地抑制残留噪声和背景噪声,增强后的语音具有更高的清晰度和可懂度。 相似文献
7.
基于短时谱最小均方误差估计的语音增强和剩余噪声衰减 总被引:4,自引:1,他引:4
本文研究了三种基于语音短时谱最小均方误差估计的语音增强方法:短时谱幅度最小均方误差估计,短时对数谱最小均方误差估计和短时相对谱幅度最小均方误差估计,在理论分析基础上对它们进行了实验研究.计算机仿真结果表明,在加性白色高斯噪声污染下,当带噪语音信噪比为+5~-10dB时,处理后的语音信噪比提高了3.4~12dB。短时对致谱最小均方误差估计的效果最好,试听实验也证实了这一点。 文中还对增强后剩余噪声的衰减问题进行了研究。利用中心削波并对估值器中的增益函数进行修正,可明显地减弱剩余噪声。 相似文献
8.
9.
根据人耳的听觉感知特性,提出了一种基于子带滤波的优化语音增强方法。基于临界频带设计滤波器将输入信号分成若干子带,依据估计出的每个子带的短时信噪比来对相应子带的时域信号逐帧进行独立的自适应处理后再合成。语音增强性能评估结果表明,有效地去除背景噪声的同时还抑制了音乐噪声,减少了语音的听觉失真,提高了增强语音的可懂度。 相似文献
10.
基于多频带谱减法的抗噪声语音识别研究 总被引:1,自引:0,他引:1
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。 相似文献
11.
12.
13.
基于子带能量累积变化的语音端点检测 总被引:1,自引:0,他引:1
噪声环境下的语音端点检测在稳健语音识别中占有十分重要的地位。根据噪音和语音子带能量的累积分布变化,提出一种新的语音信号端点检测算法。通过计算各帧的子带能量变化程度,并以此设定门限进行语音端点的检测。实验表明,与一些传统的端点检测算法比较,该算法在速度和抗噪声能力上都有所增强,适合低信噪比下的语音端点检测。 相似文献
14.
提出了一种基于最小统计和人耳掩蔽特性的语音增强算法,通过最优平滑和最小约束递归平均从含噪语音中估计噪声的均值,推导出一种新的基于掩蔽特性的谱减系数计算公式。实验结果表明,该算法优于传统的掩蔽特性算法,含噪语音经过增强后,残留的音乐噪声更小。 相似文献
15.
Accurate endpoint detection is a necessary capability for speech recognition.A new energy measure method based on the empirical mode decomposition(EMD)algorithm and Tcager energy operator(TEO)is proposed to locate endpoint intervals of a speech signal embedded in noise.With the EMD,the noise signals can be decomposed into different numbers of sub-signals called intrinsic mode functions(IMFs),which is a zero-mean AM-FM component.Then TEO can be used to extract the desired feature of the modulation energy for IMF components.In order to show the effectiveness of the proposed method,examples are presented to show that the new measure is more effective than traditional measures.The present experimental results show that the measure can be used to improve the performance of endpoint detection algorithms and the accuracy of this algorithm is quite satisfactory and acceptable. 相似文献
16.
17.
对背景噪声的估计,关键是使算法能跟得上噪声变化,以及时更新噪声的估计值。为了增强对非平稳噪声的跟踪估计能力,在Imrca算法的基础上,提出了基于前向和后向最小值搜索相结合的改进算法。验证实验内容包括:用改进算法、原Imrca算法,基本谱减法对含同种噪声不同信噪比的含噪语音处理后,恢复出来的语音的对比;以及在低输入信噪比情况下,对加入babble噪声的含噪语音经改进算法、原Imrca算法、基本谱减法处理后,所得到的平均分段信噪比的对比。实验结果表明,该改进算法对含噪语音的处理效果要优于原算法,对含有非平稳的噪声的含噪语音,取得了较好的增强效果。 相似文献