一种语音增强算法的研究

采用基于子空间的方法，对语音信号进行增强处理，该算法提供了在语音信号失真和残留噪声之间进行控制的机制。克服了以往语音增强算法中对语音信号的噪声特点的限制，可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理。     

用子空间提高有色噪声背景下的语音质量

针对在语音通信过程中,纯净语音信号经常受到周围有色噪声环境干扰导致语音质量下降的问题,提出了一种用子空间提高语音质量,改善听觉感知度,降低用户听觉疲劳感的算法。该算法通过用非平稳噪声估计方法实时跟踪噪声信号的特征值,对跟踪的噪声和信号进行对角化;为了进一步消除有色噪声,对带噪语音再次进行维纳滤波处理,最后获得更新的最优特征值估计方程。实验结果表明,在信噪比不同的工厂噪声等有色噪声背景下,与传统子空间的算法相比,经过新算法的语音信噪比得到了明显的提高,且有效地降低了音乐噪声。     

无参考输入的双话筒噪声抵消

介绍了一种双通道的噪声抵消系统 .传统的频谱减法的语音增强需要预先知道噪声的特性 .但是 ,噪声的平稳性和可分离性在许多实际应用场合都无法满足要求 .提出采用两路话筒输入 ,以便动态获得噪声频谱的方法 .采用自适应校正滤波的同步算法 ,利用语音信号的相关性同步两路信号中的语音 ,通过抵消其中的语音成分获得噪声的频谱特性 .实验证明该方法能够获得很好的同步效果 .在获得噪声频谱的基础上用频谱减和维纳滤波两种方法进行了噪声抵消的对比实验 .对 0dB信噪比输入的信号可以获得约 9dB信噪比的提高 .用维纳滤波处理后的语音比频谱减法残留较低的“音乐声” .在非平稳条件下对噪声仍具有一定的跟踪能力     

基于信号子空间逼近的多麦克风语音信号增强方法

对现有的基于自动波束形成的麦克风阵列语音信号增强算法提出了改进.将各个麦克风采集到的信号利用ABF(自适应波束形成)进行延时补偿并求和,消除信号中弱相干和不相干噪声;再利用信号子空间逼近的方法进一步去除残留噪声.仿真试验结果表明:把自适应波束形成技术和信号子空间逼近的方法结合起来,能够得到良好的去噪效果.     

用小波包改进子空间的语音增强方法

针对传统子空间语音增强方法中,由于不能去除整个噪声子空间而导致语音特征值估计的偏差,致使增强语音中仍有残留噪声的问题,提出一种新的用小波包改进的方法,该方法利用小波包对噪声的抑制功能,首先对带噪语音进行KL(Karhunen-Loeve Transform)变换,得到带噪语音的特征值,并对该特征值进行Daubechies8小波尺度分解,利用新的改进的软判决阈值函数去除一部分噪声子空间;然后再在子空间内用统计信息的方法实时跟踪此时噪声特征值,进一步消除所有噪声子空间,从而得到最终估计的语音特征值;最后由KL逆变换还原出纯净语音。仿真结果表明,在输入信噪比相同的情况下,经过该方法的增强语音的输出信噪比明显高于传统子空间方法,听觉感受上增强语音也具有更好的清晰度和可懂度。     

一种基于子空间分解的语音增强算法

提出了一种基于卡亨南-络维变换方法的语音信号增强处理算法,该算法提供了在语音信号失真和残留噪声之间进行控制的机制,无需对噪声进行任何假定,克服了以往语音增强算法中对语音信号的噪声特点的限制,可以对混有加性白噪声、有色噪声和音乐噪声的语音信号进行增强处理.     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

实时多通道数字助听器降噪算法

在兼顾降噪性能和功耗的基础上,提出了一种实时多通道数字助听器降噪算法.首先,将输入信号分解为16个子带,计算每个子带的声压级,并基于估计的声压级来计算子带噪声和语音概率;然后,利用直接判决方法计算子带信号的先验信噪比和后验信噪比;最后,计算子带增益函数以实现自适应降噪.将该算法与改进谱减法、自适应维纳滤波法和调制深度法进行了比较.结果表明:与其他3种算法相比,在10 d B白噪声的情况下,本文算法输出的平均信噪比减少约3d B,主观语音质量评估得分最多提高0.90;在4种噪声环境下其平均主观语音质量评估得分提高0.41;所提算法采用子带声压级计算取代信号功率谱估计,节省了快速傅里叶变换的计算量,其时延较其他3种算法至少降低50%.     

基于噪声短时谱动态估计的语音增强谱减算法

针对谱减法增强语音后残留音乐噪声明显,影响语音清晰度的问题,在分析现有的噪声谱减算法基本特性的基础上,提出一种基于噪声短时谱动态估计的语音降噪方法。通过估计噪声短时功率谱及其变化趋势,动态调整谱减法中的过减系数,有效抑制残留噪声。仿真实验表明,新的谱减算法在提高语音信噪比的同时保持较小的失真度,具有较好的增强效果。     

基于子带ICA-R和收缩函数后处理的语音增强方法

针对噪声和混响情况下的语音增强问题,本文给出一种基于子带独立分量分析(ICA-R)算法和收缩函数后处理的语音增强方法.该方法将ICA-R和收缩函数算法相结合,在噪声和混响环境中通过对两路带噪语音信号进行增强处理,以实现增强目标语音信号的目的.首先对两路带噪语音信号进行子带分解;然后在子带内利用ICA-R算法从带噪语音信号中提取出子带目标信号,再经过综合滤波器形成全带目标信号;最后,将该信号经收缩函数后处理,得到增强后的目标语音信号.用实际录制的带噪语音信号对本文方法进行了测试,实验结果表明,该方法具有较强的噪声抑制能力,对语音信号造成的损伤较小.