一种基于计算听觉场景分析的语音增强算法

选取ETSI语音增强系统作为研究对象.该系统使用传统维纳滤波方法,在信噪比较高时降噪性能优秀,但在信噪比较低的情况下,降噪能力弱,对于脉冲噪声无较好抑制.而模拟人耳听觉特性的计算听觉场景分析技术能够比较好地弥补这一缺陷.故在ETSI算法的基础上,结合计算听觉场景分析技术,提出一种新的算法,将维纳滤波器参数估计由原本的Mel域变换到Gammatone域,并进一步利用理想率掩蔽估计对带噪信号进行信噪分离,抑制脉冲噪声.该算法在TIMIT语音库上进行了实验,结果证明,与原算法相比,提出的新算法使听觉质量在低信噪比下提升较大,脉冲噪声抑制亦明显.在低信噪比的情况下,后端语音识别系统的识别率得到提升.     

噪声环境下应用于语音标注的端点检测算法研究

端点检测是语音标注的重要前序技术,针对语音标注,设计了一种基于信噪比分类的自适应端点检测算法.该算法首先对标注语音的信噪比分布范围进行分析,将信噪比分类,在每类信噪比范围内选择对应较优的算法.在高信噪比范围选择子带谱熵法,在中等信噪比范围内选择均匀子带频带方差法,而在低信噪比环境下先对带噪语音进行谱减法去噪处理,再采用...     

Gammatone域特征在IRM-DBN语音增强中的有效性研究

对于在噪声背景下的深度学习来说,好的特征提取能极大地提高语言增强的性能.研究在深度信念网络中,以目前性能最好的理想浮值掩蔽为学习目标,验证Gammatone域特征的语音增强效果优于其他域特征.首先,分别提取在不同噪声不同信噪比下的基于Gammatone域的语音特征,根据纯净语音和噪声计算得到初始理想浮值掩蔽;其次,采用深度信念网络作为学习模型,从训练带噪语音特征中学习得到估计的理想浮值掩蔽;最后,利用测试语音特征和估计的理想浮值掩蔽合成增强语音,分析所用特征的有效性.实验结果表明:基于Gammatone域的语音特征比其他域特征的各种性能评价指标值更高,明显提高了语音质量,增强效果更佳.     

基于听觉场景分析的近讲语音增强算法

针对近讲场景,提出一种双麦克近讲语音增强算法。该算法基于耳间延时差(ITD)、耳间强度差(IID)特征来区分目标语音,利用声学掩蔽效应,实现目标语音对背景噪声的分离降噪。与传统的单麦克增强方法相比,该算法可消除多种类型噪声且对语音造成的损伤较小。实验表明:该算法能将8～33dB的白噪声、音乐噪声、广播噪声3种噪声类型的带噪语音的信噪比提高到36dB以上,同时保持较高的目标语音可懂度。对于冲击噪声的带噪语音也具有较好的降噪效果。     

基于深度学习的听觉倒谱系数语音增强算法

针对现有语音增强算法在低信噪比(SNR)非平稳噪声环境下的表现并不理想这一问题,提出了一种基于深度学习的语音增强算法.首先,构建了一个深度神经网络(DNN),然后从四个不同分辨率的耳蜗中提取了多分辨率听觉倒谱系数(MRACC)作为神经网络的输入,该系数既关注了细节的高分辨率特征,又把握了全局性的低分辨率特征;其次,跟踪噪声变化构建了一个自适应掩蔽阈值(AM)作为神经网络的训练目标,该阈值能够依据噪声调节理想二值掩蔽(IBM)和理想软掩蔽(IRM)的权重;最后,将估计的自适应掩蔽阈值用于对含噪语音进行增强.实验结果表明:相较于对比算法,该算法不仅可以进一步提高语音质量和可懂度,而且能够抑制更多的噪声.     

基于子带保留似然比的鲁棒语音激活检测算法

为了进一步提高低信噪比下语音激活检测(VAD)的准确率,针对基于统计模型的似然比检验方法容易造成非语音信号误检的问题,提出了一种基于子带保留似然比的VAD算法.在似然比综合判决准则中引入保留因子,根据人耳对语音感知敏感度在频率上的差异,采用全局非均匀、局部均匀的方式划分子带,对似然比大于阈值的频率分量所对应的子带信号提取语音特征并根据特征强度设置保留因子,只使用保留的频分量似然比进行综合判决.实验结果表明:该算法在不同的低信噪比环境下检测性能均优于LRT(似然比检验)、MO-LRT(多观测似然比检验)等算法,其漏检率更低,同时有效减少了非语音信号似然比虚高而导致的误检,VAD判决准确率平均提高了2%~14%.     

改进最大信噪比的独立成分分析单通道语音增强算法

针对现有基于独立成分分析(ICA)的盲源分离算法在单通道语音增强中的不稳定性和信噪比低的问题,提出了新的基于最大信噪比的ICA语音增强算法.该算法首先用带噪语音直接乘以二维向量,并经过列满秩的转换,得到既具有源信号特性、又不会引入新噪声的二路观测信号,保证了系统的稳定性;再结合用小波系数改进的最大信噪比的ICA算法来实现,为增强的效果和提高信噪比提供了依据.实验结果分析表明,该算法是稳定的,且能有效地提高信噪比的值.      

基于听感知特性的双麦克风近讲语音增强算法

针对近讲系统的声学场景,提出一种基于听感知特性的双麦克风语音增强算法。模拟人耳频率分解特性,用gammatone滤波器组对2路麦克风采集的声音信号进行多子带频率分解;对分解后的时域信号进行分帧,生成时频单元,并计算每个时频单元的能量;以2路信号时频单元能量比值为线索,估计每个时频单元信噪比,模拟人耳掩蔽特性生成掩蔽模板,并作用于带噪声的语音信号,实现目标语音与环境噪声的分离。实验结果表明:由2路麦克风信号时频单元能量的比值可较准确估计时频单元的信噪比;该算法可提高带babble噪声命令词的识别正确率,优于当前单通道及双通道语音增强算法。     

一种基于改进多带谱减法的低信噪比语音识别方法

提出了一种基于相位补偿改进的低信噪比多带谱减算法,构造了相位补偿函数对带噪语音相位谱进行补偿,使其更接近纯净语音相位,提升了多带谱减法在低信噪比下的性能.在Matlab仿真平台上就输出信噪比、PESQ和语谱图进行评估,所提算法均优于多带谱减算法,其中在-10 dB的极低信噪比下,该算法在PESQ上比原算法提高了26.4%.     

低信噪比下语音断点检测算法的改进研究

传统的端点检测在信噪比较高的环境下可以有效的对语音进行端点检测,但是在低信噪比环境下端点检测的正确率急剧下降。针对在低信噪比环境下语音端点检测正确率不高的问题,提出一种将调制域谱减法和对数能量子带谱熵相结合的的端点检测算法。该算法首先利用调制域谱减法去除带噪语音的噪声以提高语音信号的信噪比,然后结合对数能量和子带谱熵算法对消噪后的语音信号进行端点检测。实验仿真结果表明,该算法在低信噪比环境下能有效提高语音端点检测的正确率且具有一定的稳健性。     

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.     

直接序列扩频通信中抑制窄带干扰的非线性滤波方法

分析了干扰形式为单音和自回归过程时信噪比改善的闭合表达式。仿真结果表明，对于单音干扰，在接近载波频率处非线性滤波器比线性滤波器有10dB的信噪比改善；对于自回归形式的干扰，信噪比改善会随着输入信噪比的变化而改变，但在输入信噪比很大时，非线性滤波器比线性滤波器有近5dB的改善。     

基于SVM分类的EBPSK信号解调判决

为了改善扩展的二元相移键控(EBPSK)系统在低信噪比下的误码率性能,针对解调端冲击滤波器输出信号的特点,引入支持向量机( SVM)分类方法.在滤波器输出的中频信号中选取少量采样点进行判决,仿真显示,可以得到较高的信噪比增益.误码率在10-4时,比积分判决方法获得1.8dB的信噪比增益.不同核函数产生不同的支持向量机算...     

OFDM信号过采样率盲估计的新方法

针对低信噪比多径信道下过采样率估计性能低的问题,根据正交频分复用( OFDM)基带采样信号的频谱特性,提出了基于采样信号频谱逼近的过采样率盲估计方法.该方法首先利用改进的移动协方差方法估计信号的载波频率,采用修正的周期图平均法估计信号的功率谱;然后通过选择最佳的滚降系数,设计一个最佳余弦滚降滤波器,使余弦滚降滤波器的截止频率逼近信号的截止频率;最后根据过采样信号的频谱特性原理估计出接收信号的过采样率,实现了不同类型OFDM信号的过采样率的盲估计.仿真结果表明,在信噪比为-2 dB,多径信道条件下OFDM信号的过采样率估计的均方误差不超过0.2.可见该方法无需任何先验知识,在低信噪比多径信道下具有良好的估计性能.     

基于分数阶小波的频谱感知算法

针对非平稳信号在低信噪比下使用能量感知算法感知效果差的问题,提出了一种基于分数阶小波的频谱感知算法。首先对接收信号进行分数阶小波变换达到能量聚集与去噪处理的目的,之后对重构信号进行能量感知。仿真结果表明,该算法相比于传统的能量感知算法以及基于小波变换的能量感知算法,可以提高在低信噪比下对非平稳信号的感知效果。在感知概率为0.3时,基于分数阶小波的能量感知算法比传统的能量感知算法和基于小波变换的能量感知算法分别提高了6 d B和2 d B的信噪比增益;在虚警概率恒为0.1时,基于分数阶小波变换的频谱感知算法的感知概率为0.867,明显高于传统能量感知算法0.287的感知概率和基于小波变换的频谱感知算法0.628的感知概率。     

多带激励声码器的改进双路径基音跟踪算法

为了增强多带激励（MBE）声码器基音估计性能的鲁棒性,提出了一种可适用于低信噪比语音信号的改进双路径基音跟踪算法．采用全新构造的差值不等式作为约束方程,其差值门限的取值在基音跟踪过程中能够根据基音周期长短的统计特征自动更新．实验结果显示：在SNR为-5dB的高斯白噪声干扰的情况下,基音估计的严重错误概率的性能改善平均达到70％．与传统算法相比,该算法对不同讲话者和不同程度高斯白噪声干扰均具有较强的适应能力,尤其在噪声严重的情况下该算法对基音估计的准确性得到明显改善,从而使合成语音具有较好的可懂度和自然度．     

次最最优二阶状态空间数字滤波器的误差谱成形

导出单位噪声增益的计算公式,用统计和最优化方法表明9种误差谱成形结构的降噪性能,给出5条等降噪性能曲线。对窄带滤波,新结构可降低噪声10—30dB,降噪性能对滤波器的零点不敏感。新结构的舍入噪声比原来次最优二阶线性状态空间滤波器的并联实现结构降低12—28dB,且带宽愈窄,降噪效果愈佳。     

基于信道线性滤波估计的迭代解调及译码技术

为了提高衰落信道下基于判决反馈的差分迭代译码 (Turbo DPSK)系统的性能 ,针对系统的特点 ,提出了一种基于信道增益线性滤波估计的解调 /译码算法。与传统的基于信道增益线性预测估计的 Turbo DPSK解调 /译码算法相比 ,新算法在根据判决反馈进行信道增益 hi 的估计时 ,不仅利用了时刻 i以前的波形值和判决反馈 ,而且还利用了 i时刻本身的波形值和判决反馈 ,因而能更有效地消除噪声干扰 ,获得更准确的信道估计 ,从而提高了系统的性能。仿真结果表明 ,该算法对系统性能确有明显的提高 ,在误码率为10 - 4时 ,性能增益大约为 0 .6 d B。     

双门限协作能量检测性能分析

传统的单门限能量检测,如果有突发噪声或者其它因素,产生误检的概率会比较大。使用基于OR准则的双门限协作能量检测算法,检测时对每个用户设定两个判决门限,利用多个用户检测结果进行OR准则协作判决,提升检测性能。数值仿真结果表明,这一方法能够提高频谱检测概率、抑制漏检率。当信噪比较低、认知用户数N=5时,双门限性能最高要比单门限高出22％;认知用户数N=10时,双门限性能最高要比单门限高出17％。实际应用中,低信噪比的恶劣环境居多,因此双门限检测具有不可比拟的优势,应用空间非常广阔。     

应用于超声测距的小波变换滤波算法

有效的滤波算法是提高超声测距精度的关键之一。小波变换具有时频联合分析的能力,采样点处的各级小波系数反映了其频率成分的分布情况。该文提出了一种基于小波变换的超声回波滤波算法。对原始数据进行离散二进小波变换,然后将各点的小波系数同理想回波信号的小波系数进行相关运算,利用得到的相关系数区分噪声和回波所在区段,然后对噪声的小波系数进行收缩处理,从而实现滤波。利用该算法对自制的超声测距装置采集到的回波数据进行了滤波处理。结果表明:其滤波效果要优于经典的小波阈值法,信号信噪比提高了6～9dB,数据中混有的大幅值噪声得到了有效抑制。