语音增强技术在低速语音编码中的应用

在语音编码的应用环境中,特别是在军事应用中,强噪声环境下声码器性能的改进是一个亟待解决的问题。在研究语音增强技术的基础上,将语音增强技术于低速语音编码,有效地改善了低速语音编码算法的抗背景噪声的性能。并利用所构建的语音质量客观评价平台,对语音增强低速编码算法的抗背景噪声性能进行了客观评估与分析。     

小波在语音信号增强中的应用

目前小波在语音识别的信号处理,语音端点检测、语音分析与合成、语音增强以及语音编码等中都有非常广泛的应用。本文结合小波变换介绍一种语音增强方法,应用matlab中的小波工具箱中的daubechies小波进行实例仿真。     

自适应谱增强在MBE语音编码中的应用研究

通过对多带激励(multi-band excitation,MBE)语音编码的研究,将自适应谱增强技术应用在多带激励语音编码中,提升了合成语音的清晰度,改善了合成语音的质量;仿真实验表明:自适应谱增强技术使合成语音的基频和二次谐波的谱幅度明显提升,有效地增强了合成语音的清晰度。     

语音增强技术在DSP芯片中的实现

介绍了一个基于DSP芯片实现实时处理的语音增强系统。采用了一种改进了的谱减法较好的实现了对带噪语音的降噪 ,同时对可懂度也有了一定的改善。     

基于时域与小波域相结合的语音增强技术

实地采集的语音信号往往含有周期性噪声和随机的背景噪声,单一的时域增强法去噪效果不佳.对此,提出了时域和小波域相结合的联合增强方案并用MATLAB进行了计算机仿真;结果表明该技术能达到有效增强的目的.     

基于模糊域奇异值分解的语音增强方法

提出了一种遵循语音非平稳特性的增强方案。它不同于以往语音增强惯用的前提。首先,使用时频表征中的模糊函数描述被高斯白噪声恶化的语音信号;其次,对其进行奇异值分解后。采用尺度因子矩阵调整模糊函数矩阵的奇异值达到抑制与噪声相关成份的目的;最后,将模糊域下经过处理的余留成份变换为时域信号。仿真实验表明,这种消噪方法具有良好的性能。     

基于邻域自适应注意力的跨域融合语音增强

基于深度学习的语音增强方法可分为时域方法和频域方法两类,这两类方法各有优点.为了综合利用时、频两域方法的优点,提出了基于邻域自适应注意力的跨域融合语音增强模型.该模型能够同时对输入的波形和频谱进行增强,并对时域和频域的增强结果进行跨域融合得到最终增强结果.为了利用时域增强结果与频域增强结果的信息互补特性,提出使用信息交流模块来实现两域增强结果的互补提升.为了提高时域增强模型与频域增强模型的特征提取能力,充分利用时域和频域的信号特点,进一步提出了邻域自适应注意力模块.该模块依据输入信息自适应选择汇聚具有不同邻域窗口的局部自注意力模块,进而高效利用不同尺度下的平稳特征.实验结果表明,所提邻域自适应注意力模块和时频域的信息交流与融合模块,可有效利用波形与频谱的互补特性,进一步提升增强效果.     

语音增强技术研究综述

语音增强是语音识别的重要组成部分,它是将尽可能纯净的原始语音从嘈杂的语音中提取出来。其目的是提高语音质量,从而提高语音识别的准确率。笔者在总结近年来的语音增强的相关算法的基础上,将这些算法进行分类,分为基于数字信号处理的方法和机器学习的方法。本文介绍了基于数字信号处理和基于机器学习的语音增强算法,并总结了几种常用语音增强算法的优缺点,最后提出了语音增强算法进一步研究方向。     

语音增强技术算法研究

该通过对减谱法和Weiner滤波法两种语音增强技术的研究,经过MATLAB仿真实验进行分析比较,给出相应的评估结论。     

语音增强新方法的研究

对带噪语音信号进行增强处理,是语音信号处理中一个重要的研究课题.从算法提出的背景和算法性能分析两个方面对以下4种语音增强新方法进行了概括总结,即自适应滤波算法、分数阶谱相减法、小波域阈值法和语噪盲源分离算法.与传统的语音增强方法相比,实验数据表明这些新方法具有更好的降噪性能.     

希尔伯特黄改进算法在语音增强中的应用

语音信号在传输过程中常常受到传输系统或周围环境的噪声影响而无法识别说话者的内容。为了尽可能消除语音中的噪声,提高语音的信噪比及清晰度,提出了一种基于奇异值分解的希尔伯特黄消噪算法。该算法对带噪语音信号进行经验模态分解,得到各阶固有模态函数,在对各阶固有模态函数分量分析的基础上,利用软阈值和奇异值算法相结合的方法来达到语音消噪的目的。这种分阶消噪算法可以尽可能的除去噪声,提取出纯净的语音信号。通过大量的仿真结果可以证明:该算法在语音消噪应用具有可行性,而且优于传统语音消噪方法。     

一种基于巴克域噪声估计的语音增强算法

为了在保证语音增强算法性能的同时,降低算法复杂度,提出了一种巴克域最小统计量控制递归平均噪声估计算法.将带噪信号在巴克域进行分解并进行最小统计量分析,基于此最小统计量控制噪声的递归平均估计.算法基于听觉模型,充分利用巴克带内频带间的相关性,具有较好的噪声跟踪估计性能.该算法复杂度低,适用于常见语音增强方法.仿真结果表明,基于该噪声估计的语音增强可以有效地抑制噪声,增强后语音失真较小,在低信噪比条件下能够有效改善语音编码合成后的语音质量.     

直方图处理在图像空间域增强处理中的应用

图像的灰度级变换增强是图像增强处理技术中一种直接的基于空间域的处理方法。主要研究了将灰度图像的灰度级数用直方图来表示,在MATLAB平台中,通过编程研究了直方图均衡化和直方图规定化算法,使直方图分布均匀,达到图像的增强。     

语音增强用于抗噪声语音识别

语音识别系统通常是将在安静的环境下训练得到的参数应用于实际环境中。如果实际环境也是安静的 ,则语音识别系统可以令人满意地工作。然而 ,当实际环境中有噪声存在时 ,语音识别系统性能急剧下降。为了让语音识别系统在安静的环境和有噪声的环境中都获得令人满意的工作性能 ,研究了一个将语音增强器和语音识别器级连起来的系统。该系统中 ,语音增强作为前端处理用于提高识别器输入端信号的信噪比。通过 3种不同的增强算法用于纯净语音和3种类型带噪语音的实验结果分析比较表明 ,这一方法对纯净语音的识别精度几乎没有任何改变而大大提高了系统的抗噪声性能     

离散时间域的Gabor谱分析及其在语音处理中的应用

把Ｇａｂｏｒ谱应用于离散时间域，对典型信号进行处理和分析，并与短时傅里叶变换和离散Ｗｉｇｎｅｒ分布相比较，证明了离散Ｇａｂｏｒ谱不仅在时频域具有和离散Ｗｉｇｎｅｒ分布相同的高分辨率，优于短时傅里叶变换，而且能有效地消除离散Ｗｉｇｎｅｒ分布中交叉干扰的影响．文中还进一步应用离散Ｇａｂｏｒ谱，对汉语语音信号进行了处理，结果表明它可以较好地描述语音信号频谱的时变特性，为语音识别和话者识别开创了一种新的途径．     

子空间域相关特征变换与融合的语音识别方法

为了提高语音识别准确率,提出了一种子空间域相关特征变换与融合的语音识别方法(MFCC-BN-TC方法)。该方法提取语音短时谱结构特征(BN)和包络特征(MFCC)分别描述语音短时谱结构和包络信息,并采用域相关特征变换的形式分别对BN和MFCC特征进行特征变换;然后对这种变换进行泛化扩展提出子空间域相关特征变换,以采用不同的时间颗粒度(帧和语音分段)进行多层次区分性特征表达;最后,对多种区分性特征变换后的特征进行联合表征训练声学模型,并给出了区分性特征变换与融合的一般框架。实验结果表明:MFCC-BN-TC方法比采用原始BN特征方法和采用MFCC特征基线系统方法,识别性能各自提高了0.98%和1.62%;融合MFCCBN-TC方法变换以后的语音信号特征,相比于融合原始特征,识别率提升了1.5%。     

分形理论在语音信号端点检测及增强中的应用

为了提高现有谱相减方法处理低信噪比语音信号的效果,利用时间序列信号的短时分形维数对低信噪比语音信号的端点检测方法进行了研究,提出了一种基于端点检测的谱相减语音增强方法,给出了其原理及具体算法.仿真实验结果表明,该方法简单可靠,有效可行,当语音信号信噪比降到-5 dB时仍然有效;与已有方法相比,具有更广泛的实用性.     

向量小波的构造及其在语音信号增强中的应用

构造了一种新的二进向量小波，借助于ｒ 重多分辨分析思想，给出了向量小波的离散化表示及其分解、重构的快速算法，以浮动阈值进行信号去噪，获得了一种新的语音信号增强算法，实验结果表明：此种算法可使得信号中的加性噪声几乎完全消除，重建后的波形又保留原信号中尖锐陡峭变化的曲线轮廓，效果颇佳．     

向量小波的构造及其在语音信号增强中的应用

构造了一种新的二进向量小波，借助于ｒ重多分辨分析思想，给出了向量小波的离散化表示及其分解，重构的快速算法，以浮动阈值进行信号去噪，获得了一种新的语音信号增强算法，实验结果表明：此种算法可使得信号中的加性噪声几乎完全消除，重建后的波形又保留原信号中尖锐陡峭变化的曲线轮廓，效果颇佳。