驾驶环境下低信噪比语音增强与分离算法研究

发布时间：2020-11-17 13:56

　　 随着现代信息科技的发展,大量的智能技术逐渐应用于汽车领域,例如自动辅助驾驶、多媒体娱乐、抬头平面显示等,其中语音识别是提高这些人机交互体验质量的重要技术之一。但是驾驶环境中存在乘客语音、引擎噪声、胎噪、风噪等复杂的噪声,这些噪声是影响语音识别性能的关键因素。为了使驾驶环境下的语音识别精度更高,必须对驾驶员语音信号进行增强以提高其信噪比。本文分析了低信噪比驾驶环境下噪声的特点,将噪声分为非语音噪声和语音噪声两大类。非语音噪声可以通过一些语音增强算法消除,语音噪声采用盲源分离算法将其与目标驾驶员语音分离。本文对语音增强和盲源分离算法进行了研究,主要工作包括以下三个方面:1.由分析可知,驾驶环境下语音信号的高频能量比非语音噪声高很多。因此,本文提出在谱减法语音增强之前加入低频抑制预处理来进行噪声消除。实验证明,低频抑制预处理后输出信号的信噪比和听觉感知质量更高。2.本文以谱减法为基础,给出了一种平滑因子优化算法,将语音存在概率(SPP)引入到平滑因子的计算中以自适应地估计噪声。此外,本文对自适应递归平滑算法存在的偏差进行补偿,给出一种含有偏差补偿的自适应一阶递归平滑噪声估计算法。实验结果表明,本文给出的算法在低信噪比的驾驶环境下比常用的最小值统计、MCRA、IMCRA噪声估计算法有更好的噪声消除效果。3.在盲源分离方面,基于负熵的FastICA分离算法在迭代部分采用牛顿迭代法。但是牛顿迭代的初始值会影响分离算法的性能,因此本文将牛顿下山法应用于FastICA分离算法,自适应地改变下山因子的值。改进后算法的迭代时间和迭代次数都有所下降,较好的降低了牛顿迭代法对初值敏感的影响。实验结果表明,本文给出的算法提高了目标驾驶员的语音质量,能更好地适用于低信噪比驾驶环境下的语音增强和分离工作。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TN912.3
【部分图文】：

为了更加直观的看出低频抑制预处理的效果，选取６组不同信噪比的??含噪语音信号，分别通过未采用低频抑制和加入低频抑制预处理之后的谱减法进??行语音增强，得到的输出信号的信噪比和听觉感知质量对比图如图３－３、图３－４所??不。??ＳＮＲＪ＾比图??０????ｎ?１?２?３?４?５?６??册：—？…??；－８?—＝＝＝＿???？１０?—???输入信噪比?谱减法?？？……低频抑制后再谱减??图３－３信噪比对比图??Ｆｉｇ．３－３?ＳＮＲ?ｃｏｍｐａｒｉｓｏｎ??２９??

?驾驶环境下低信噪比语音增强算法研宄??图３－２语谱图对比：（ａ）含噪语音，（ｂ）低频抑制后的含噪语音??Ｆｉｇ．３－２?Ｓｐｅｃｔｒｏｇｒａｍ?ｃｏｍｐａｒｉｓｏｎ?：（ａ）?ｎｏｉｓｙ?ｓｐｅｅｃｈ，?（ｂ）?ｌｏｗ?ｆｒｅｑｕｅｎｃｙ?ｓｕｐｐｒｅｓｓｉｏｎ?ｓｉｇｎａｌ??从图３－２语谱图中可以看出，进行低频抑制之后的带噪语音在低频部分的噪声??信号明显减少，而且基本没有影响到语音的共振峰结构，在听音测试中人耳对低??频损失部分也基本没有感知，所以低频抑制预处理主要减小了集中在低频部分的??汽车噪声。为了更加直观的看出低频抑制预处理的效果，选取６组不同信噪比的??含噪语音信号，分别通过未采用低频抑制和加入低频抑制预处理之后的谱减法进??行语音增强，得到的输出信号的信噪比和听觉感知质量对比图如图３－３、图３－４所??不。??ＳＮＲＪ＾比图??０????ｎ?１?２?３?４?５?６?

?谱减法?加入低频抑制的谱减法??图３＿４听觉感知质量对比图??Ｆｉｇ．３－４?ＰＥＳＱ?ｃｏｍｐａｒｉｓｏｎ??根据上述语谱图、信噪比和听觉感知质量对比图可以得出结论：采用低频抑??制预处理后的谱减法得到的输出信号信噪比和听觉感知质量更高。因此，在驾驶??环境低信噪比下，低频抑制预处理可以在一定程度上衰减汽车噪声集中的低频段，??降低非相关汽车噪声所占的比例。??根据３．１和３．２节的分析，结合驾驶环境下噪声特点，可拟定本文主要的研究??步骤如图３－５所示：??ｉＵ低频抑制一？噪声估计一？谱减法一＊?—？??????Ｉ???????Ｉ?去???????＾均盲??低频抑制一？噪声估计一？谱减法一＊?｜?一￣？?ｆ???门?口「ｅ?Ｉ??〇??????１?化?〇??低频抑制一？噪声估计一？谱减法一？?—？??图３－５本文研究步骤??Ｆｉｇ．?３－５?Ｒｅｓｅａｒｃｈ?ｓｔｅｐｓ?ｏｆ?ｔｈｉｓ?ａｒｔｉｃｌｅ??上图中，输入ｘｌ、ｘ２、ｘ３表示接收到的三个带噪的混合语音信号，输出ｓｌ、??ｓ２、ｓ３表示盲源分离后得到的输出信号。本文首先对驾驶环境低信噪比下的带噪??混合语音信号进行低频抑制预处理，然后对其进行噪声估计，接着将噪声估计之??后的语音信号应用于谱减法中进行语音增强以去除大部分非语音噪声，然后将增??强后的混合信号进行盲源分离，去除混合信号中的语音噪声，提取出较为纯净的??３０??
【参考文献】

相关期刊论文 前9条

1 赵国伟;王宏志;;基于高阶累积量带噪盲源分离算法[J];长春工业大学学报;2015年06期

2 王一帆;唐正宁;;基于PCA和ICA的多光谱数据降维方法[J];光学技术;2014年02期

3 李世绍;高勇;;低信噪比下基于FastIca和MMSE-LSA的语音识别[J];电声技术;2014年01期

4 吴微;彭华;周正康;;一种改进的FastICA算法及其在含噪盲源分离中的应用[J];信息工程大学学报;2013年06期

5 夏乐乐;孙永荣;王勇;;基于自适应噪声估计的语音增强技术[J];计算机工程与应用;2014年23期

6 徐文超;王光艳;耿艳香;白芳;费腾;;基于谱减法和变步长LMS语音增强算法[J];计算机工程与应用;2015年01期

7 张杰;刘辉;欧伦伟;;改进的FastICA算法研究[J];计算机工程与应用;2014年06期

8 ;Source number estimation and separation algorithms of underdetermined blind separation[J];Science in China(Series F:Information Sciences);2008年10期

9 张贤达,保铮;盲信号分离[J];电子学报;2001年S1期

相关硕士学位论文 前1条

1 朱晓敏;车载环境下驾驶员语音增强方法研究[D];西安电子科技大学;2015年

本文编号：2887579