基于信号稀疏特性的语音增强算法研究

发布时间：2020-09-27 07:21

　　语音增强是语音信号处理中的一个重要研究方向,在远程通信、助听设备、智能家电、人机交互以及智能会议系统中有着广泛的应用。语音增强算法一般利用干净信号与噪声在结构特性上的差异,采用数学方法将观测到含有噪声的语音信号变换到新的域。在这个新的域内,语音和噪声的区分性变得更加明显。具体而言,干净语音对应的系数往往是稀疏分布的,而噪声对应的系数则是随机分布的。因而只需简单的数学操作就可以实现语音和噪声的分离。然而现行的语音增强系统仍然有诸多问题没有解决。比如说,在很多算法中,噪声通常被假设为近似平稳的。这意味着与干净语音相比,噪声幅度的变化速度相对缓慢。在噪声不满足平稳性假设时,很多语音增强算法会面临性能损失,甚至会导致明显的语音失真。为此,研究者们提出将多个相同型号的麦克风按照一定形状组成麦克风阵列,进而发展出了丰富的多通道语音增强算法。此外,真实场景中往往还存在着混响和回声等,这给多通道语音增强算法带来严峻的考验。本文基于干净语音信号在不同变换域中体现的稀疏特性,提出了几种行之有效的语音增强算法,主要工作可以概括如下:首先,针对在时域呈现稀疏和非平稳特性,且在时间上随机分布、幅度任意大的冲击噪声,提出一个基于单通道的鲁棒的时频分解模型,将受噪声污染数据中的干净语音成分投影到一个离散余弦变换字典上,将冲击噪声投影到一个单位矩阵字典上。通过控制两组投影系数的稀疏度比例,并采用一种改进的正交匹配追踪算法,可以优化得到两种成分对应的稀疏投影矢量,进而实现对干净语音成分的重构。通过控制稀疏度的比例和重构误差的大小,可以控制语音失真和噪声残留之间的平衡,从而取得最佳的听觉效果。其次,针对在实际环境中存在的方向性、无方向噪声,提出对多通道音频数据流做并行化处理。采用一个固定长和宽的矩形窗口,在多通道音频流上按照一定的速度均匀滑动。在每个特定时刻,只针对窗口选取的数据矩阵的行、列作线性变换,从而实现空时协同滤波。我们采用迭代的方式分别更新时间滤波器矩阵和空间滤波器矩阵。基于最小均方误差准则,首先固定时间滤波器,更新空间滤波器;然后固定空间滤波器,更新时间滤波器;整个过程在两到三个循环即可收敛。最终,可以一次性得到对应所有通道的增强之后的语音数据。再次,为了充分利用多通道观测数据中携带的时间和空间信息,先对每个通道输出的音频数据流进行分帧,然后把这些帧重排为一个矩阵。更进一步,将对应于各通道音频流的矩阵堆叠成一个三阶张量,并设计三个滤波器(即帧内滤波器,帧间滤波器,空间滤波器),对该观测张量进行空时协同滤波。基于最小均方误差准则,采用一种循环迭代的方式交替更新三个滤波器,直到整个过程收敛。该方法可以一次性地估计得到所有通道内的干净语音数据。最后,基于上述三阶张量模型,我们提出将张量分解的方法用于多通道语音降噪。我们把含噪声的观测语音张量投影到设计好的正交基矩阵上,这包括通用基矩阵、有监督基矩阵、无监督基矩阵。通用基矩阵为三维离散余弦变换基矩阵,有监督基矩阵可以从预先提供的干净语音学习得到,无监督基矩阵则从含噪声的语音张量中自动推理获得。投影系数被包含在一个具有同样尺寸的核心张量内。根据最小化统计风险准则,可以设计出一种最佳的门限阈值;将核心张量中幅度低于该阈值的元素全部置零,即可实现噪声的抑制。
【学位单位】：中国科学技术大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TN912.35
【部分图文】：

过程图,字典,非负,鲸鱼

其短时傅里叶变换（Ｓｈｏｒｔ－Ｔｅｒｍ邋Ｆｏｕｒｉｅｒ邋Ｔｒａｎｓｆｏｒｍ，邋ＳＴＦＴ）的幅度谱来表示［见图逡逑２．２（ｃ）］。为了学习得到目标源的字典，我们使用了预先提供的对干净鲸鱼歌声逡逑的录音。图２．２（ｂ）展示了我们学习得到的字典。可以看到，字典原子有效捕捉逡逑到了鲸鱼歌声中较为显著的频谱特征。重复同样的过程，我们可以通过背景噪逡逑声数据学习得到关于海杂波的较为显著的特征。一般而言，我们只需要几秒钟逡逑２２逡逑Ｉ逡逑

基于信号稀疏特性的语音增强算法研究

图２．邋３邋ＤＮＮ用于预测ｃＩＲＭ邋［７１］逡逑２６逡逑

波形,波形,基矩阵,唱片

或者这些模型的组合形式。基本的噪声类型包括高斯噪声（如电噪声等）、冲击逡逑噪声（如短时ｃｌｉｃｋ等）。“高斯一冲击”混合噪声则有可能出现在ＶｏＩＰ系统和逡逑一些上世纪录制的老旧唱片中。图２．４展示了一段从７８邋ｒｐｍ老唱片上截取的波逡逑形。可以看到，该唱片存在大量稀疏分布的离群点，也就是冲击噪声。这给音逡逑频质量带来了较大的损伤，极大地降低了音乐爱好者对唱片的满意度。本节我逡逑们将介绍时频稀疏分解在数字语音修复中的具体应用ｍ。逡逑２．邋５．邋１基于稀疏性的分离技术逡逑首先考虑最基本的信号分离模型。假设混合信号ｓ由Ｖ邋ｓ２ｅＲｉｘｌ两部分组逡逑成。考虑如下线性模型逡逑ｓ邋＝邋ｓＩ＋ｓ２＋ｎ．逦（２．６６）逡逑此处ｎ能量受限且服从零均值高斯分布，信号源８１；邋ｓ２分别可以被基矩阵逡逑Ａ邋ｅ邋和Ｂ邋ｅ逦稀疏表示（Ａ和＆一般大于１邋）。不难有：逡逑ｓ邋＝邋Ａｘ邋＋邋Ｂｙ邋＋邋ｎ，逦（２．６７）逡逑此处Ｘ和ｙ分别为信号源Ｓ１５邋８２在基矩阵Ａ、Ｂ上的稀疏投影矢量。一般而言，逡逑Ｓ和８２的分离可以通过如下稀疏优化问题来解决：逡逑ｍｉｎ邋｜｜ｓ－Ａｘ－Ｂｙｇ邋＋邋Ａ＇｜｜ｘ｜｜0邋＋／ｌ＇｜｜ｙ｜｜0邋．逦（２．６８）逡逑此处／。范数被用来计算投影矢量中的非零元素个数。通过把字典Ａ、Ｂ拼接起逡逑来，上述问题可以转化为：逡逑呼１邋｜｜Ｓ－Ｃｚ｜丨＋１’Ｈ。逦（２．６９）逡逑２７逡逑

【相似文献】