基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法

发布时间：2021-04-08 19:41

　　针对低信噪比（SNR）环境下传统方法对声信号降噪的局限性,提出了一种联合自适应阈值活动语音检测（VAD）算法和最小均方误差对数谱幅度估计（MMSE-LSA）的实时降噪算法。首先,在VAD算法中通过基于能量概率最大值的概率统计来对背景噪声进行估计,对得到的背景噪声进行实时更新并保存;然后,将实时更新的背景噪声作为MMSE-LSA的参考噪声,并对噪声幅度谱进行自适应更新,最后进行降噪处理。通过在真实场景中对四类声信号进行实验,结果表明,该算法在保证对低SNR声信号的实时处理的情况下,相较于传统MMSE-LSA算法,降噪信号的SNR能够提高10～15 dB,且不存在信号过减的情况,可应用于实际工程。 

【文章来源】：计算机应用. 2020,40(06)北大核心CSCD

【文章页数】：6 页

【部分图文】：

图1 双门限判决示意图

本文的自适应阈值VAD检测算法，可以在不同环境中通过实时提取到的概率最大的能量值来自适应设定高低门限，能够更加精确地分离目标信号以及背景噪声，并为MMSE-LSA降噪算法提供准确的背景噪声，提高降噪性能。2 基于实时的MMSE?LSA降噪算法

针对传统算法在低信噪比情况下产生的过减和降噪效果差的问题，本文提出来一种基于实时的MMSE-LSA降噪算法，图3为降噪算法流程。传统的MMSE-LSA算法中对噪声谱的估计常用的是截取信号的前5帧进行短时傅里叶变化并求幅度谱均值。由于信号前5帧可能会含有有用信息，导致参考噪声幅度谱估计偏差很大，存在着过减和降噪性能差等问题。对带噪声信号进行自适应阈值VAD检测，获取到背景噪声段来作为参考噪声d(t)；当声信号信噪比过低，会导致VAD算法失效，则返回到背景噪声数据库中，选用最近一段的背景噪声作为后续降噪算法的背景噪声参考d(t)，保证降噪算法能有最佳的参考噪声。为了更好估计噪声谱，对噪声谱的每一帧进行实时更新，通过指数平滑得到自适应噪声谱。

【参考文献】：
期刊论文
[1]基于连续噪声谱估计的谱减法语音增强算法[J]. 严思伟,屈晓旭,娄景艺.  通信技术. 2018(06)
[2]基于维特比算法的深度神经网络语音端点检测[J]. 李文洁,张晴晴,张鹏远,颜永红,摆亮.  重庆邮电大学学报(自然科学版). 2018(02)
[3]复杂噪声场景下的活动语音检测方法[J]. 郭武,马啸空.  清华大学学报(自然科学版). 2016(11)
[4]基于子带双特征的自适应保留似然比鲁棒语音检测算法[J]. 何伟俊,贺前华,吴俊峰,杨继臣.  电子与信息学报. 2016(11)
[5]基于直接判决估计和预测估计的语音增强算法[J]. 冯炎.  信息与电子工程. 2010(01)

硕士论文
[1]基于声谱图的音频事件检测特征提取研究[D]. 李英杰.北京邮电大学 2017



本文编号：3126142