语音增强系统中宽带噪声的滤除

针对宽带噪声的特点,探讨了利用谱减法的改进形式进行语音增强处理,以实验结果说明了参数ｍ、ｎ的取值与增强效果的关系,当ｍ、ｎ取值恰当,则可获得较为理想的增强效果。在估计噪声的短时能量谱时,采用了低信噪比自适应有声／无声算法来判别纯噪声的信号帧,实时估计噪声,提高了噪声估计的准确度,取得了较好的语音增强效果。     

含噪语音信号中噪声参数的一种估计方法

为了提高含噪语音信号中噪声参数估计的实时性,利用语音信号的短时平稳性,提出了一种无需对含噪语音信号进行有声／无声检测的噪声参数估计法。仿真实验表明,该方法计算效率高、噪声参数估计的实时性,即使是噪声特性随时间缓慢变化也可得到良好的估计结果,可以方便地溶入到基于短时谱幅度估计的语音增强处理中。     

一种基于统计信息噪声估计的语音增强算法

本文提出一种基于统计信息噪声估计的谱减语音增强算法,实验表明这种算法比起普通谱相减法算法能更显著地提高算法的客观性能,特别在非平稳噪声和低信噪比的环境中能快速估计出变化的噪声功率谱。     

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FSS与PLP的噪声鲁棒语音识别

提出了一种基于分数阶谱相减(FSS)与感知线性预测(PLP)相结合的噪声鲁棒语音识别方法,记为FSS PLPC.该方法首先通过FSS在分数阶Fourier域对带噪语音进行降噪处理,然后计算增强语音的均方误差和Itakura距离并进行比较,以获得FSS的近似最优分数阶阶数.最后对根据此阶数得到的增强语音提取感知线性预测倒谱(PLPC).实验结果表明,FSS PLPC对于数字语音的识别性能优于传统的谱减法(SS PLPC)和感知线性预测倒谱(PLPC)法,并且随着信噪比的降低FSS PLPC表现出较好的噪声鲁棒性.     

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     

基于帧间重叠谱减法的语音增强算法及实现

采用短时谱分析，合成技术，对含噪语音进行帧间重叠谱减法消除噪音，这种算法符合语音特性连续变化的特点。实验证明，该方法有效去除了噪声干扰，得到了增强语音，保证了话音的可懂度和自然度不受损失。     

基于谱减法语音增强效果研究

文章就语音增强的发展历程以及面向藏语语音的研究现状和语音特征作了介绍和分析,并选择藏语拉萨话作为语音增强实验的语种.文章选择经典的谱减法作为语音增强方法,并介绍了谱减法原理,同时设计实验方案,实验语料使用纯净语音和噪音混合成的带噪语音,按照不同信噪比进行语音测试,得到了大量数据结果.在分析结果的基础上得出结论:使用谱减法能够明显提升语音质量,提升效果随着噪音语音相关度的多少而变化.     

基于噪声特性的语音增强算法

针对不同的语音增强算法对不同噪声的增强效果不同,提出了一种基于深度神经网络的噪声分类的语音增强算法。首先,使用深度神经网络(DNN)算法对噪声进行分类。分类算法包括训练阶段和分类阶段。在训练阶段,采用babble,car,street,train四中噪声对DNN进行训练;在分类阶段,将提取的噪声输入训练好的DNN中,得到分类结果,并对分类性能进行评估。其次,采用PESQ,LSD及SNR等语音评估方法,对不同的含噪语音在不同信噪比、不同语音增强算法下进行评估。语音增强算法包括子空间法、维纳滤波算法、谱减法及对数最小均方误差法(log MMSE),噪声包括babble,car,street,train,信噪比为-5db,0db和5db,并对通过评估得到的值采用平均值法得到噪声和语音增强算法的最佳匹配;最后,针对不同分类噪声,采用不同的增强算法进行语音增强,并对4种噪声之外的噪声根据本文算法选取相应的语音增强算法。     

汽车噪声中自动语音的识别技术

汽车中的话音拨号系统是自动语音识别技术的应用热点．自动语音识别系统是一个基于训练的系统．在汽车噪声中,由于实际应用环境与形成系统参数的训练环境的失配,传统语音识别系统的性能会大幅度地下降,从而无法实用．为了提高语音识别系统在特定环境下的识别率及实用性,首先根据汽车环境中语音的失真模型分析了系统性能下降的原因,然后针对加性汽车噪声与信道失真对系统的影响,讨论了在汽车噪声中改善语音识别系统性能的方法．提出了在识别系统中用基于子带的语音增强算法和倒谱均值相减算法相结合的方法．对大量的多人连续数字串语音的识别实验表明,这一方法大大提高了系统在汽车噪声环境中的识别率,它还可以简便、实时的实现,具有一定的实用性．     

一种改进的谱相减语音增强方法

针对一般的谱相减语音增强算法所带来的“音乐”噪声较为严重的问题,提出了一种改进的谱相减语音增强算法——噪声残差消除谱相减法,实验结果表明,噪声残差消除谱相减法明显地削弱了一般谱相减法所带来的“音乐”噪声。对带噪语音质量的增强效果显著。     

基于谱减法的藏语语音减噪研究

语音信息的采集过程中难免会有各种噪声的干扰,噪声降低了语音的可懂度及清晰度,甚至严重影响语音处理的准确性和可靠性。谱减法是语音减噪中最常用的方法,该方法基于人的感觉特性,对语音短时幅度谱进行估计,适用于受加性噪声污染的语音。本文通过统计分析谱减法的增益补偿因子和过减因子参数,研究基于谱减法的藏语语音减噪处理,并取得较为理想的实验结果。     

用于语音识别的减谱结合RASTA的抗噪声方法

主要论述加性和卷积性噪声条件下语音识别的抗噪方法．在特征提取阶段，用功率谱短时均值相减的谱减方法补偿加性噪声的影响，用在Mel频标倒谱域RASTA(relative specllral)滤波补偿卷积性噪声对语音识别系统的影响．在汉语非特定人孤立数字识别实验中，使用该方法的误识率比未使用该方法要低，并且需要很小的噪声先验知识和假设，运算简单．实验证明，提出的减谱结合RASTA的方法是一种比较有效地削减噪声的方法。     

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.     

基于减谱法的语音增强和噪声消除的研究

介绍了减谱法进行语音增强的一种方法 .分别对语音和噪声信号进行傅立叶变换 ,求得它们的频谱 ,相减得到的是去噪后语音的频谱 ,再进行傅立叶反变换 ,即可得到增强语言信号 ,从而有效地抑制了噪声     

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。