基于倒谱处理的先验信噪比估计算法

单通道语音增强中,已有的先验信噪比算法能有效地去除噪声,提升语音增强算法性能;但是由于在噪声功率谱估计不准确,造成噪声功率出现过估和低估的情况,造成了语音失真和保留较多残留噪声。通过倒谱处理能在含噪语音段中抑制语音中的谐频成分和在纯噪声段中避免部分较强的噪声成分误判为语音信号,准确地估计出噪声功率谱,同时语音失真不大。在多种噪声背景下的客观评价指标分析表明,经过倒谱处理后的先验信噪比估计算法能提高先验信噪比算法的估计性能。     

失真控制下的短时谱估计语音增强算法

针对传统谱估计增强算法易产生语音畸变、导致语音清晰度低的问题,提出了一种失真控制下的短时谱估计语音增强的新算法.该算法首先引入语音畸变的客观度量参数,并根据这一参数得到抑制语音畸变的约束条件,然后结合人耳听觉掩蔽特性和无语音概率参数,修正最小均方误差对数谱估计函数,最后联立约束条件和估计函数,得到增强后的语音,从而实现了在噪声抑制和语音畸变之间的折中,改善了语音增强的效果.主观试听和客观测试结果均表明,与其他谱减法相比,在相同的信噪比和去噪度条件下,新算法的语音畸变度最小且几乎察觉不到音乐噪声.     

基于小波阈值法的语音增强算法研究

随着小波变换理论的不断发展,小波变换去噪法不断丰富,小波阈值去噪法以算法简单、计算量小,吸引了众多研究者。通过对小波阈值去噪法传统阈值函数的研究,发现软硬阈值函数都存在着缺点;改进的半软阈值法综合了两者的优点,改正了两者的缺陷,明显改善了语音增强效果。并提出一种基于小波阈值去噪法与谱减法结合的改进算法,在较低信噪比下进行仿真,很好地抑制背景噪声和音乐噪声,减少语音信号的失真。     

基于波原子变换的语音信号去噪

波原子转换是在小波转换的基础上扩展出的一种转换方式,由于语音信号的非平稳性,传统的小波阈值去噪算法虽然能够去除一部分语音信号中的噪声,但造成有用语音信号尤其是清音部分的损失,导致去噪后的语音听觉质量下降,达不到很高的信噪比。针对这一问题,该文利用了波原子变换法对语音信号进行去噪,通过相同阈值下小波去噪后的效果,该方法能有效去除信号中的噪声和较好保留语音细节,达到更佳的语音净化效果。     

基于递归最小追踪的噪声互功率谱估计算法

针对改进最小追踪噪声互功率谱估计方法存在的噪声过估计的问题。提出一种基于递归最小追踪的噪声互功率谱估计算法。该方法中的平滑因子使用了递归平均技术,在估计噪声互功率谱时,会根据每个频点的实际信噪比作相应的调整。仿真结果表明,该噪声估计算法应用于一个语音增强系统时,取得了较小的噪声均方估计误差及较好的感知语音质量评价(PESQ)得分。     

基于小波阈值多窗口功率谱估计的语音增强

提出一种有效的先验信噪比平滑方法.该方法从先验信噪比的定义出发,使用小波阈值多窗口功率谱估计方法减小语音功率谱和噪声谱的方差,从而实现先验信噪比的平滑.实验证明,该先验信噪比平滑方法解决了直接判决法在语音开始端能量较大情况下的先验信噪比延时问题,并且提高了先验信噪比的准确性;同时结合该平滑方法的语音增强方法能有效抑制“音乐噪声”,尤其在低输入信噪比时效果明显.     

结合EEMD与K-SVD字典训练的语音增强算法

该文提出一种总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)方法与K奇异值分解(K-singular value decomposition,K-SVD)字典算法相结合的语音增强算法。将带噪语音通过EEMD分解得到各本征模式分量(intrinsic mode function,IMF),对各IMF分量进行互相关和自相关分析,去除噪声IMF分量,并将过渡IMF分量再次进行EEMD分解,去除其中的噪声IMF分量。将过渡IMF分量和剩余的IMF分量叠加,得到预降噪的带噪语音。利用纯净语音,通过K-SVD字典训练算法得到过完备字典。对预降噪的带噪语音通过过完备字典进行稀疏表示,稀疏系数重构出纯净语音。实验结果表明:在低信噪比和高信噪比情况下,该算法的去噪效果明显优于传统的谱减法、小波阈值去噪法和K-SVD字典训练。     

一种改进的语音去噪方法(英文)

为了提高语音信号去噪效果,首先改进了小波包算法,提出了一种基于改进小波包的语音去噪方法.该方法将语音信号进行改进小波包分解,为每个终端结点提供一个阈值进行去噪处理.仿真实验表明,该方法比传统硬、软阈值方法更有效也更优越,能够比较准确地去除语音噪声.     

一种基于局部均值分解的小波阈值信号去噪方法

在时频分析中,针对非平稳信号的滤波去噪的问题,鉴于部分传统的去噪方法对于非线性非平稳信号滤波的效果不是很理想。基于Smith提出的局部均值分解法,结合小波阈值,找出了一种自适应时频分析法。通过实例分析,比较小波阈值去噪、基于EMD小波阈值去噪和基于LMD的小波阈值去噪3种算法在进行信号滤波去噪过程中的效果,采用信噪比和均方根误差2种评价因子对该3种算法进行评价,结果表明基于LMD的小波阈值去噪方法能够更好的去除信号噪声,对信号去噪提供了一种新思路。     

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。     

基于压缩感知的语音盲稀疏重构算法及其去噪应用

根据传统的正交匹配追踪(OMP)算法和稀疏度自适应匹配追踪(SAMP)算法各自的缺陷,提出可以在盲稀疏状态下重构带噪语音的多匹配正交追踪(MMOP)算法。该算法采用同时匹配多个原子以及同步增大和缩小原子集的办法来解决SAMP算法中原子的过匹配和欠匹配现象,此外,还提出一种新的去噪思想和设置初始步长方法,并且采用分阶段步长来重构原始语音信号。研究结果表明:本文算法不仅修正SAMP算法的过匹配和欠匹配的现象,而且还具有匹配速度快、迭代次数少的优点,同时又提高语音信号在盲稀疏状态下的重构精度,此外,该算法还可以应用在噪声语音中,有较明显的去噪效果,且其重构后的语音主客观质量评价都要好于传统的OMP算法和SAMP算法。     

基于EMD的基音检测预处理技术

针对基音检测的性能严重受背景噪声影响的问题,论文基于经验模态分解(EMD)理论,研究了含噪语音信号的EMD分解特性,参照小波阈值去噪方法,提出了一种基于EMD的自适应语音去噪算法,并且针对软、硬阈值函数的不足提出了一种新的阈值函数.MATLAB仿真结果表明,该方法可以有效地去除噪声,较好地恢复语音信号,与小波阈值去噪方法相比,信噪比、均方根误差等性能指标均有明显提高.     

基于改进奇异谱分析的信号去噪方法

传统的去噪方法,比如小波阈值去噪,它只对高斯噪声有效,对于脉冲噪声却无能为力.近年来发展起来的奇异谱分析方法可以在高信噪比的条件下很好地滤除上述两类噪声,但该方法降噪过程涉及了一定的主观因素,并且受矩阵扰动理论的限制,该方法随着信噪比的降低,去噪能力也随之下降.针对上述情况,提出一种改进算法,将矩阵秩最小化理论应用于奇异谱分析方法中.仿真结果表明,改进算法去噪效果明显,能够最大限度降低信号均方误差,提高信噪比,增强奇异谱分析方法的通用性.      

自适应小波去噪算法及其在偏心补偿中的应用

针对液压自动厚度控制(AGC)系统中轧辊偏心信号的补偿问题,提出一种基于自适应小波阈值去噪算法的补偿方法.该方法根据噪声在小波变换下的特性自适应地确定小波分解的阈值,将去噪信号的信噪比作为性能指标,采用黄金分割法进行寻优,得到最优的阈值参数.仿真结果表明,该方法比原有的阈值去噪方法效果更佳,对液压AGC系统中轧辊的偏心信号具有良好的补偿效果.     

一种改进的基于谱熵实时噪声估计的谱减法

语音增强的目标是从含有噪声的语音信号中提取尽可能纯净的原始语音.在实际应用中,需要对背景噪声进行预估计,以达到改善语音质量.目前常用的语音增强方式是谱减法,但由于该算法在低信噪比环境下的效果较差,所以限制了其应用范围.该文将实时噪声估计同谱减法相结合,针对谱减法在低信噪比下效果不明显的缺点,给出一种新的语音增强方案.该方案的目的是优化传统谱减法的性能,对噪声进行更为准确的实时估计;该方案的特点就是利用谱熵对噪声进行估计,通过谱熵估计每一帧语音的噪声,再利用谱减法达到降噪的目的.实验结果表明,该方法与传统的谱减法相比,在低信噪比环境下均能得到较好的去噪效果.     

基于改进的小波阈值去噪和二级判断模型的说话人识别

针对目前说话人识别系统中噪声使得识别率严重下降的问题,在特征提取前用小波阈值去噪方法对带噪语音进行去噪处理.对于小波阈值函数以及阈值的选取进行研究,提出一种改进的阈值函数,小波阈值中的噪音方差估计采用基于实际噪音方差估计的谱熵法,将改进的小波阈值去噪结合一种二级判断模型提高噪声环境下的说话人识别率.在不同信噪比条件下进行试验,改进的小波阈值去噪法优于传统小波阈值去噪方法,改进后的阈值函数与二级判断模型相结合的识别率比原始语音DTW模型提高了7.9%,比原始语音GMM提高了4.6%,对于短时语音有较好的识别率.     

基于EMD的前后置滤波语音增强算法

针对低信噪比下语音增强困难的问题及经验模态分解(empirical mode decomposition,EMD)在语音增强中的有效应用,提出了一种基于EMD的前后置滤波语音增强算法.将含噪语音信号进行卡尔曼滤波后做EMD分解,采用能量阈值法判断出含有残余噪声的本征模态函数(IMF),对其小波变换后与其余IMF重构为最终的语音增强信号.实验表明,在输入信噪比为-10~5dB的不同噪声环境下,以时域分段信噪比及语音质量感知评测PESQ作为评价指标,效果均优于单独的EMD、小波软阈值法及卡尔曼滤波算法,是一种有效的语音增强算法.     

基于谱减法和经验模式分解的语音增强

本文提出了一种基于谱减法和经验模式分解的语音增强算法。在低信噪比的情况下用谱减法可以去除语音信号中的大部分背景噪声,再对已处理过的信号进行经验模式分解,对前几个IMF进行阈值处理可以进一步增强语音。实验表明:本算法去噪效果优于传统方法。     

一种分层阈值优化的语音感知小波去噪方法

通过分析含噪语音信号的特点,引入能够兼顾人耳听觉特性的听觉感知小波变换,构造了新的小波阈值函数,并对小波变换分解后的阈值进行基于微粒群算法的分层优化.仿真实验表明,该方法在不同信噪比条件下均具有较好的去噪性能,语音的可懂度和听觉效果得到有效提高.     

多噪声环境的麦克风小阵语音增强

针对在非平稳和多种噪声并存的语音增强算法抑制噪声能力有限的问题,提出基于最小跟踪噪声功率谱估计的相干滤波与广义旁瓣抵消的麦克风小阵语音增强算法。该方法先利用最小跟踪噪声功率谱估计的相干滤波抑制弱相关噪声,再结合广义旁瓣抵消与端点检测抑制强相关噪声。实验结果表明,方法更加有效地抑制噪声的影响;并提高了语音的可懂度。