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。