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.     

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。     

一种适用于双微阵列的语音增强算法研究

考虑到传统单通道语音增强算法对噪声抑制的局限性,本文采用由两个微型麦克风阵列组成的双微阵列,利用该阵列空间结构的时空域特性对含噪语音进行处理,提出了一种适用于双微阵列的语音增强算法。该增强算法是将各通道采集到的带噪语音信号先使用对数最小均方误差(Logarithmic Minimunm Mean Square Error,LogMMSE)提升其信噪比,然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信号的获取,保留目标声源方向的信号并抑制其他方向的信号干扰,最后通过一个改进可懂度结合改进最小控制递归平均(Improved Minimum Controlled Recursive Average Algorithm,IMCRA)噪声估计的维纳滤波器来去除噪声残留提升语音质量。仿真实验结果表明,相比传统的单通道语音增强算法,该算法具有良好的噪声抑制性能。     

一种适用于双微阵列的语音增强算法

考虑到传统单通道语音增强算法对噪声抑制的局限性,采用由两个微型麦克风阵列组成的双微阵列;利用该阵列空间结构的时空域特性对含噪语音进行处理,提出了一种适用于双微阵列的语音增强算法;该增强算法是将各通道采集到的带噪语音信号先使用对数最小均方误差(logarithmic minimum mean square error,Log MMSE)提升其信噪比;然后利用频域宽带最小方差无畸变响应(MVDR)通过对目标声源信号的获取,保留目标声源方向的信号并抑制其他方向的信号干扰;最后通过一个改进可懂度结合改进最小控制递归平均(improved minimum controlled recursive average algorithm,IMCRA)噪声估计的维纳滤波器来去除噪声残留提升语音质量。仿真实验结果表明,相比传统的单通道语音增强算法,该算法具有良好的噪声抑制性能。     

一种改进的语音识别抗噪算法

为了提高在噪声环境下的语音识别性能,提出一种融合信号级和特征参数级抗噪的抗噪算法.该算法首先对带噪语音用最小均方误差估计法进行语音增强,后端对原始的带噪语音运用自相关法,以有效抑制加性和卷积噪声.实验结果表明,该算法能有效提高系统在噪声环境下,特别是低信噪比情况下的识别率.     

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.     

相干滤波与广义旁瓣相消器结合的小阵列语音增强算法

相干滤波器与广义旁瓣相消器(GSC)是常用的阵列语音增强算法,然而,应用于小阵列中却存在消噪能力不足的问题。针对上述问题,本文提出一种相干滤波与广义旁瓣相消器结合的小阵列语音增强算法。首先,利用广义旁瓣相消器对带噪语音进行初步增强。然后,通过改进的最小搜索算法估计出信号里残余噪声的功率谱密度,从而获得相干滤波器的传递函数。最后,利用相干滤波器对带噪语音进行再次增强。仿真实验表明:在多种不同的噪声环境下该算法具有较好的噪声抑制能力。     

改进贝叶斯非负矩阵分解的语音增强算法

为了进一步提高增强语音的质量,基于传统的贝叶斯非负矩阵分解语音增强算法,考虑语音帧内原子间的相关性,提出了一种新的改进贝叶斯非负矩阵分解语音增强算法。该算法可分为训练和增强2个阶段:训练阶段利用该算法分别对纯净语音和噪声进行训练,得到纯净语音和噪声字典;增强阶段利用训练得到的纯净语音和噪声字典组成的联合字典结合,计算带噪语音时变增益,并利用最小均方误差估计得到增强语音频谱,进而重构增强语音。实验结果表明,该算法的对数频谱距离值和主观语音质量评估打分均优于非负矩阵分解(NMF)和贝叶斯非负矩阵分解(BNMF)等传统的语音增强算法,特别是在低信噪比条件下,该算法增强的效果更佳。     

基于FDM阵列技术的双通道语音增强方法

为了抑制小型语音通信设备中的方向性噪声干扰问题,提出一种双通道的语音增强算法.该方法基于一阶差分麦克风(first-order differential microphone, FDM)阵列,并结合单通道的谱增强技术,可以同时提取语音和噪声估计,并能够实时地修正噪声谱.与现有的双通道语音增强技术相比,该算法可以获得2~6 dB的输出信噪比增益,且计算量减少了2/3.仿真结果表明: 该方法有效地改善了算法的噪声消除性能,且更适用于实时的语音增强系统.     

贝叶斯非负矩阵分解语音增强的优化算法

为改进传统贝叶斯非负矩阵分解(BNMF)语音增强算法的性能,提出基于高斯混合模型的贝叶斯非负矩阵分解语音增强算法。该算法分为训练和增强两个阶段,训练阶段,对纯净语音与噪声分别进行训练,得到纯净语音字典、噪声字典与联合字典;增强阶段,采用最小均方误差法(MMSE)从带噪语音中重构原始干净的语音,达到语音增强的目的。实验表明,该算法在提高语音质量和抑制背景噪声等方面,均优于非负矩阵语音分解(NMF)算法与BNMF算法。     

低信噪比下二值掩蔽算法性能分析

基于计算听觉场景分析,对基于能量的二值掩蔽语音分离算法的性能进行分析,证明了理想二值掩蔽算法在信噪比下具有最佳的单元分离性能,并通过3种类型带噪语音的分离实验证实了该结论。采用理想二值掩蔽算法对8种噪声类型的低信噪比带噪语音进行了分离实验,信噪比平均提升幅度大于10dB,表明算法对低信噪比语音分离的有效性和普遍适用性;采用非均匀、均匀两种多子带分析滤波器组进行分离性能对比测试,结果表明子带均匀性对信噪比提升影响不大。分析滤波器组的子带数量应大于32以实现较好的分离性能。     

基于离散小波变换与小波包分解的语音增强算法

提出了一种基于离散小波变换（DWT）和小波包分解（WPD）的语音增强算法.该算法首先将带噪语音进行离散小波变换,并分别对离散逼近信号和离散细节信号采用不同的基小波进行小波包分解,再按照不同的规则选取阈值进行去噪,最后对去噪后的语音信号完成重构.计算机仿真表明,在计算量相当的情况下,该算法优于离散小波变换法去噪和小波包分解法去噪.     

青蛙下丘双耳强度差反应的模型研究

建立了一个基于青蛙下丘或半规隆凸（TS）神经元静态反应的数学计算模型，模型中既有来自同侧上橄榄核团（SON）的兴奋性投射，又有来自对侧上橄榄核团的抑制性投射，目的是理解被研究神经元的静态反应行为是怎样由较低层次的神经核团的特性及这些核团之间的连接方式所产生的，使用模型中的连接方式，并且神经元采用简单的输入输出关系，能够解释青蛙下丘神经元的这些行为，下丘神经元双耳间强度差（ILD）函数的方向性变化的主要因素是双耳抑制的存在。     

基于CASA简化模型的语音增强算法

基于听觉现象分析（CASA）模型的基本原理,针对仅有非语音信号干扰情况下的单通道语音增强处理问题,利用人耳的频率掩蔽效应,提出了一种单通道简化CASA计算模型语音增强新算法,新算法通过提取混合语音输入中的有效语音时频成分并利用人耳的听觉掩蔽效应重构合成增强语音输出信号,通过在汽车噪声和白噪声干扰下的仿真实验结果表明,简化的CASA模型语音增强算法的输出信噪比约提高了10dB,且可以有效抑制干扰噪声的听觉影响,增强输出语音信号的可懂度。     

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．     

基于小波域的三种信号增强算法研究

介绍了三种基于小波域的增强算法,即模极大值重构增强算法、空域相关增强算法、小波阈值增强算法,并且分别比较了各自的优缺点。利用上述的增强算法对带噪的语音信号进行去噪仿真,结果表明,小波阈值增强算法效果最好。     

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.     

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.     

基于小波变换的语音增强和噪声消除的研究

介绍了在小波领域中去除叠加在信号上的噪声的一种方法,采用门限法把噪声语音的小波系数中的噪声成份滤掉,实验结果证明应用小波变换的语音增强算法是很有效的。