基于改进谱减的语音增强算法研究

发布时间：2020-11-18 14:36

　　 语音是人类进行信息交流的重要媒介,但在现实的语音交流过程中,各种各样的环境和设备噪声总会对信息的传递产生干扰,降低通信质量。因此,为了有效地利用语音信号,需要将有用信息尽可能地从噪声环境中提取出来,而语音增强便是解决此问题的重要方法。本文对当前已有的一些典型语音增强算法进行了分析与探讨,并在此基础上做出改进,提出了两种新算法。本文主要工作内容如下:1、提出了一种基于人耳掩蔽效应与贝叶斯估计的改进谱减算法用于语音增强。该算法采用改进的最小控制值递归平均算法(IMCRA)进行噪声估计,对带噪语音进行两次谱减,并于两次谱减之间对语音信号进行基于加权似然比(WLR)失真测度的贝叶斯估计,以此来增强语音信号。其中,第一次谱减为普通功率谱减,第二次谱减采用了滤波形式的谱减算法,利用人耳掩蔽效应动态调节谱减参数,并对谱减算法的增益函数进行了改进。实验结果表明,此改进算法在更好地抑制背景噪声和残余噪声的同时,可以保证甚至提高增强语音的可懂度,获得了更好的语音增强效果。2、提出了一种基于MMSE估计与改进多频带谱减的增强算法。该算法将对数MMSE估计与多频带谱减的预处理相组合,通过优化对初始信号频谱的平滑,以及使用改进了的过减因子及减法因子函数的多频带谱减进行了语音增强。在提出的算法中,对数MMSE估计使用最小值统计(MS)算法进行噪声估计,而改进的多频带谱减使用结合了递归函数的话音活动检测(VAD)进行噪声估计。仿真结果表明,此算法性能优异,尤其在信噪比较低的情况下,更好地在保留语音信息的同时抑制了噪声,提高了增强语音的质量。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN912.35
【部分图文】：

唇，口唇端具有辐射效应。研究表明，口辐射模型一般表现高通特性，其表达式如 ( ) ( ) 性产生模型由上述三者串联而成，其传递 ( ) ( ) ( ) ( ) 是多年来进行语音信号研究的常用模型，以平面波的形式在声道中传播的。然而后分离或附着于声道壁上，也会存在涡流之础而建立的非线性模型。非线性模型的原

增强语音信号时域波形（男声/汽车噪声/-5dB）

增强语音信号时域波形（女声/粉色噪声/0dB）
【相似文献】

相关期刊论文 前10条

1 刘鹏;;基于深度学习的语音增强方法研究[J];智能计算机与应用;2019年05期

2 石玲;;基于计算机声卡的谱相减语音增强系统分析[J];信息与电脑(理论版);2010年02期

3 孙涛;;基于计算机声卡的谱相减语音增强系统分析[J];南昌教育学院学报;2010年05期

4 张晓雷;;基于深度学习的语音增强简述[J];网络新媒体技术;2019年02期

5 李璐君;屈丹;;一种基于组合深层模型的语音增强方法[J];信息工程大学学报;2018年04期

6 袁文浩;娄迎曦;梁春燕;夏斌;;利用生成噪声提高语音增强方法的泛化能力[J];电子学报;2019年04期

7 阴法明;唐於烽;;基于深度置信网络的语音增强算法[J];电子器件;2018年05期

8 余华;唐於烽;赵力;;基于改进深度置信网络的语音增强算法[J];数据采集与处理;2018年05期

9 薛慧君;李盛;路国华;张杨;焦腾;王健琪;荆西京;;提升小波用于非接触语音增强算法的研究[J];医疗卫生装备;2013年05期

10 胡海波;刘柏森;许银;;基于小波变换的语音增强研究[J];黑龙江工程学院学报(自然科学版);2011年01期

相关博士学位论文 前10条

1 江文斌;面向复杂场景的极低码率语音编解码和语音增强关键技术研究[D];上海交通大学;2018年

2 高天;复杂环境下基于深度学习的语音信号预处理方法研究[D];中国科学技术大学;2018年

3 童仁杰;基于信号稀疏特性的语音增强算法研究[D];中国科学技术大学;2018年

4 王青;基于深层神经网络的多目标学习和融合的语音增强研究[D];中国科学技术大学;2018年

5 王冬霞;麦克风阵列语音增强的若干方法研究[D];大连理工大学;2007年

6 欧世峰;变换域语音增强算法的研究[D];吉林大学;2008年

7 孙琦;基于子空间的低计算复杂度语音增强算法研究[D];吉林大学;2017年

8 夏丙寅;面向移动通信的单通道语音增强方法研究[D];北京工业大学;2014年

9 姚峰英;语音增强系统的研究与实现[D];中国科学院上海冶金研究所;2001年

10 张龙;有监督学习条件下的单通道语音增强算法研究[D];中国科学技术大学;2017年

相关硕士学位论文 前10条

1 李湑;单声道语音增强关键技术研究[D];重庆邮电大学;2019年

2 吴晓华;基于听觉感知加权的时域语音增强算法研究[D];南京航空航天大学;2019年

3 Guernaz Zineddine;电话和语音识别系统的语音增强[D];哈尔滨工业大学;2019年

4 叶富强;基于主观听觉反馈的机器学习语音增强模型优化研究[D];哈尔滨工业大学;2019年

5 余国修;麦克风阵列语音增强算法研究[D];西安电子科技大学;2019年

6 张鹤鸣;基于深度学习的语音增强方法研究[D];大连理工大学;2019年

7 孙桂琪;基于相空间重构的语音增强方法研究[D];青岛大学;2019年

8 吴卫鹏;基于改进谱减的语音增强算法研究[D];南京邮电大学;2019年

9 张文瑞;基于生成对抗网络的语音增强方法的研究[D];西安电子科技大学;2019年

10 谭纬城;基于频谱补偿的麦克风阵列语音增强算法研究[D];华南理工大学;2019年

本文编号：2888829